std::vector<float> inp_raw;
// 补充：OPENAI_CLIP的均值和标准差（来自图2，对应RGB通道）
const std::vector<float> OPENAI_CLIP_MEAN = {0.48145466f, 0.4578275f, 0.40821073f};
const std::vector<float> OPENAI_CLIP_STD = {0.26862954f, 0.26130258f, 0.27577711f};

// set input pixel values
if (!imgs.is_audio) {
    size_t nelem = 0;
    for (const auto & img : imgs.entries) {
        nelem += img->nx * img->ny * 3;  // 总元素数=图片数×宽×高×3通道
    }
    inp_raw.resize(nelem);  // 预分配内存

    for (size_t i = 0; i < imgs.entries.size(); i++) {
        const int nx = imgs.entries[i]->nx;  // 图像宽度
        const int ny = imgs.entries[i]->ny;  // 图像高度
        const int n = nx * ny;               // 单通道像素总数（宽×高）
        for (int b = 0; b < batch_size; b++) {  // 遍历批次（假设batch_size ≤ 图片数）
            // 当前样本在inp_raw中的起始地址（3通道，每通道n像素）
            float* batch_entry = inp_raw.data() + b * (3 * n);

            for (int y = 0; y < ny; y++) {       // 遍历行
                for (int x = 0; x < nx; x++) {   // 遍历列
                    // 源图像中当前像素的RGB起始索引（假设buf按RGB顺序存储）
                    size_t base_src = 3 * (y * nx + x);  
                    // 目标通道内的像素索引（行优先，同原代码）
                    size_t base_dst = y * nx + x;        

                    // -------------------------- 核心：缩放+标准化 --------------------------
                    // 1. 读取原始RGB值（假设buf为0-255的整数，转为float）
                    float r = static_cast<float>(imgs.entries[b]->buf[base_src]);     // R通道
                    float g = static_cast<float>(imgs.entries[b]->buf[base_src + 1]); // G通道
                    float b_val = static_cast<float>(imgs.entries[b]->buf[base_src + 2]); // B通道（避名）

                    // 2. 缩放：×1/255（归一化到0-1）
                    r *= (1.0f / 255.0f);
                    g *= (1.0f / 255.0f);
                    b_val *= (1.0f / 255.0f);

                    // 3. 标准化：(x - mean) / std（使用CLIP的均值和标准差）
                    r = (r - OPENAI_CLIP_MEAN[0]) / OPENAI_CLIP_STD[0];  // R通道标准化
                    g = (g - OPENAI_CLIP_MEAN[1]) / OPENAI_CLIP_STD[1];  // G通道标准化
                    b_val = (b_val - OPENAI_CLIP_MEAN[2]) / OPENAI_CLIP_STD[2];  // B通道标准化
                    // ----------------------------------------------------------------------

                    // 存入batch_entry（通道顺序：R→0~n-1，G→n~2n-1，B→2n~3n-1，与原代码一致）
                    batch_entry[base_dst] = r;                  // R通道
                    batch_entry[1 * n + base_dst] = g;           // G通道（1×n偏移）
                    batch_entry[2 * n + base_dst] = b_val;       // B通道（2×n偏移）
                }
            }
        }
    }
}