Most camera images are rendered and saved in the standard RGB (sRGB) format
by the camera's hardware. Due to the in-camera photo-finishing routines,
nonlinear sRGB images are undesirable for computer vision tasks that assume a
direct relationship between pixel values and scene radiance
提出了一种基于 latent space 学习的，对 raw images 进行压缩的新框架，包括了对于图像的不对称和混合空间特征分辨率设计、context model 的新设计和 sRGB 导向的自适应量化策略设计，并且提供了一种新的单模型可实现不同比特率的策略。实验结果表明，该方法在较小的 metadata size 情况下能够获得更好的重构质量。