有意思的地方不在于它又训了一个 RGB→光谱的重建网络，而在于它换了个问法：以前大家把「从 RGB 反推光谱」当成一个有唯一正确答案的回归题，R2H-Diff 承认这题本来就没有唯一解，转而去建模「所有可能的光谱」这一整个分布。
问题背景：这是同色异谱的逆命题
RGB 三个数字是相机三条光谱响应对场景光谱做积分的结果——一次投影，天然丢信息。于是同一组 RGB 背后可以站着无数条不同的光谱曲线，这正是我们熟悉的 metamerism（同色异谱）反过来看的样子。传统的回归式重建（一个 CNN 直接吐出光谱）本质是在这堆可能解里取了个「平均」，结果就是光谱曲线被抹平、峰谷钝化，既丢了真实的窄带特征，也完全无法告诉你「这次估计到底靠不靠谱」。对做光谱传感和光谱驱动 ISP 的人来说，后者比前者更致命——你拿这条光谱去估光源、算 CCM，却不知道它在哪些波段是瞎猜的。
方法的关键转折：从点估计到分布
作者用条件扩散模型来学 p(光谱 | RGB)：不再是一步映射，而是从噪声出发、以 RGB 为条件逐步去噪，采样出一条完整光谱。工程上他们做了几件对「光谱保真」很讲究的事——用 Guided Spectral Refinement Module 融合 RGB 条件、用 Hyperspectral-Adaptive Transposed Attention 显式管住波段间强相关、用一个去归一化（normalization-free）的骨干保住光谱幅度一致性（这点很关键，很多生成模型会把绝对幅度带跑偏），再配一个任务定制的线性噪声表，让只跑 5 步去噪就够。最终 0.58M 参数、12.25G FLOPs，在 NTIRE2022 上 35.37dB PSNR——是同台里最轻的一档。也就是说，生成式路线在这里没有以「更慢更大」为代价。
能进哪些真实影像工作流
最直接的价值是让普通 RGB 相机低成本拿到近似光谱，进而喂给一整条颜色管线：光谱在手，白平衡和光源估计就不必再和三刺激的歧义硬碰硬，跨设备的 CCM、皮肤/材质的真实色还原、印刷与显示的色差控制都能受益。但对做研究的人，我更看重它的副产品——不确定性：扩散模型可以对同一张 RGB 采样多条光谱，这些样本的离散程度天然就是一张「歧义图」，告诉你画面里哪块区域在光谱上模棱两可。这对光谱 AWB、多光谱 SFA 通道设计是现成的诊断工具：哪些颜色/光源下三通道信息不够、必须靠更多光谱通道补，可以被量化，而不是拍脑袋。
局限与存疑
生成式的两面性要盯紧：它能产出「看着合理」的光谱，也就意味着可能产出合理但错误的幻觉光谱——fidelity 和 diversity 的权衡在颜色任务里没有免费午餐。它的评测集（CAVE、Harvard、NTIRE2022）多是实验室内可控光源，真实相机的 QE 曲线、宽色温与异常光源下能不能撑住，论文没答。5 步去噪对追求窄带保真的场景够不够，也存疑。加上暂无开源，短期内想搬进自己的 pipeline 验证，还得先自己复现。