DesnowOracle: Quantifying Mask-Oracle Gap Recovery by a Training-Free Snow Prior in Compact Image Desnowing

Snow occludes visual information needed by outdoor perception systems. This study evaluates whether a deterministic, training-free spatial snow-response map improves compact image desnowing beyond the effect of its conditioning branch. All conditions use a fixed approximately 2-million-parameter backbone and matched controls. Under the original 2,500-image, 100-epoch protocol, estimated-map SSM improves mean PSNR by 1.004 dB over Base and by 0.490 and 0.517 dB over zero- and shuffled-input SSM. A paired analysis averaging predictions across three seeds gives median gains of 0.387 and 0.420 dB, respectively. Under an extended protocol that also changes training-set size and learning-rate scheduling, this ordering reverses: estimated-map SSM trails zero and shuffled controls by 0.109 and 0.160 dB in mean PSNR. Thus, the experiments demonstrate protocol sensitivity, not an isolated convergence effect. A mask oracle remains an architecture-specific, synthesis-privileged diagnostic reference; the estimated map recovers 12.4% of its short-protocol PSNR headroom. Results on 1,329 unpaired real images are mixed and indirect: no-reference indices favor the estimated map, whereas unlabelled detector counts do not distinguish its content from the controls. These findings show why spatial-prior claims require matched controls, correct repeated-measures analysis, and protocol checks. ABSTRAK: Salji menghalang maklumat visual yang diperlukan oleh sistem persepsi luar bangunan. Kajian ini menilai sama ada peta tindak balas salji spatial yang deterministik dan tanpa latihan meningkatkan penyahsaljian imej padat melebihi kesan cabang pengkondisian. Semua keadaan menggunakan rangkaian asas tetap dengan kira-kira 2 juta parameter dan kawalan yang sepadan. Di bawah protokol asal 2,500 imej dan 100 epok, SSM dengan peta anggaran meningkatkan purata PSNR sebanyak 1.004 dB berbanding Base dan sebanyak 0.490 serta 0.517 dB berbanding SSM input sifar dan teracak. Purata analisis ramalan berpasangan merentas tiga benih memberikan peningkatan median masing-masing sebanyak 0.387 dan 0.420 dB. Di bawah protokol lanjutan yang turut mengubah saiz set latihan dan penjadualan kadar pembelajaran, susunan ini berbalik kepada SSM dengan peta anggaran ketinggalan berbanding kawalan sifar dan teracak sebanyak 0.109 dan 0.160 dB dalam purata PSNR. Oleh itu, eksperimen menunjukkan kepekaan terhadap protokol, bukan kesan penumpuan terasing. Topeng Oracle kekal sebagai rujukan diagnostik khusus seni bina dan keistimewaan sintesis; peta anggaran memulihkan 12.4% ruang PSNR protokol pendek. Dapatan daripada 1,329 imej sebenar tanpa pasangan adalah bercampur dan tidak langsung: indeks tanpa rujukan memihak kepada peta anggaran, manakala kiraan pengesan tanpa label tidak membezakan kandungannya daripada kawalan. Dapatan ini menunjukkan bahawa tuntutan sebelum spatial memerlukan kawalan sepadan, analisis ukuran berulang yang betul, dan semakan protokol.