📖 阅读提示

适合了解 AWB 算法的读者。

论文原文： Uncertainty Estimation in Color Constancy

前言

大部分白平衡算法都在解决一个问题：怎么把白点估得更准。我更关心的是 corner case：到底是算法没做好，还是观测本身存在歧义？

如果是 A 算法没做好的地方，B 算法行不行？

就比如纯色这种场景，企业一般考虑的第一个问题是：我该如何稳定地判断纯色场景？

本质上，就是算法的置信度问题。

高通或者海思的 ISP 基本都会利用有效像素数量、色度分布和经验区域等信息评估置信度。这些规则简单，但是有用，比如针对绿植场景，多年的积累生成了大量的 if-else，但是换其他的纯色场景就不太行。

有没有一种办法，能够直接计算出置信度，不要那么多经验参数在里面？

本文要介绍的这篇，就提供了一个视角。

名字是《Uncertainty Estimation in Color Constancy》[1]，作者是研究 AWB 的老朋友 Marco Buzzelli 和 Simone Bianco，发表于 Pattern Recognition 2025。它估计 uncertainty，其实反过来就是置信度，然后再据此选择算法结果。

01 方法

论文分别构造了三类不确定度，如下。然后得到一个总置信度。