본 논문은 저조도 및 저 SNR 조건에서 성능 저하를 보이는 기존의 Snapshot Compressed Imaging (SCI) 기술의 한계를 극복하기 위해, 8x8 크기의 pseudo-random binary mask를 사용하는 새로운 SCI 기반 컴퓨터 비전 프레임워크를 제시한다. 핵심은 이미지 재구성 없이 에지 검출 및 깊이 추정과 같은 후속 작업을 직접 수행하도록 설계된, STFormer 아키텍처 기반의 Compressive Denoising Autoencoder (CompDAE)이다. CompDAE는 BackSlash에서 영감을 받은 rate-constrained training 전략을 통합하여 압축 가능한 모델을 생성하며, 경량의 task-specific decoder와 공유 인코더를 사용하여 통합된 다중 작업 플랫폼을 제공한다. 다양한 데이터셋에 대한 실험 결과, CompDAE는 특히 기존 CMOS 및 SCI 파이프라인이 실패하는 초저조도 조건에서 상당히 낮은 복잡도로 최첨단 성능을 달성함을 보여준다.