Following the setup of previous works [8, 16], we conducted experiments on various bit image restoration tasks.

We utilized a dataset of 2000 16-bit images, with training

data sourced from SINTEL [37] and FIVE-K [38]. SINTEL

is an animated short film dataset containing over 20,000 16-

bit lossless images with a resolution of 436 × 1024 pixels. In

FIVE-K, randomly select images from 5,000 16-bit natural

images for the experiment.The test set includes 8 images

randomly chosen from the SINTEL dataset (referred to as

SINTEL-8）和 40 张从 FIVEK 数据集（称为 FIVEK-40）、（FIVEK-40 和

SINTEL-8 数据集是独立的公共数据集

的训练集。）与训练集没有重叠。

Instructions:

遵循以前的工作 [8， 16] 的设置，我们对各种比特图像恢复任务进行了实验。

我们使用了 2000 张 16 位图像的数据集，并进行了训练

数据来源于 SINTEL [37] 和 FIVE-K [38]。SINTEL

是一个动画短片数据集，包含超过 20,000 个 16-

分辨率为 436 × 1024 像素的位无损图像。在

FIVE-K，从 5,000 张 16 位自然图像中随机选择

图像。测试集包括 8 张图像

从 SINTEL 数据集（简称

SINTEL-8）和 40 张从 FIVEK 数据集（称为 FIVEK-40）、（FIVEK-40 和

SINTEL-8 数据集是独立的公共数据集

的训练集。）与训练集没有重叠。

Datasets

Learning photographic global tonal adjustment with a database of input / output image pairs