AWNet：用于图像 ISP 的注意力小波网络
图像与视频处理
2020-09-15 v2 计算机视觉与模式识别
摘要
随着过去十年智能手机性能的革命性提升，移动摄影成为大多数智能手机用户中最常见的实践之一。然而，由于手机上相机传感器尺寸有限，所拍摄图像在视觉上仍与数码单反（DSLR）相机拍摄的图像有明显区别。为缩小此性能差距，一是重新设计相机图像信号处理器（ISP）以提升图像质量。得益于深度学习的快速崛起，近期工作借助深度卷积神经网络（CNN）开发复杂的数据驱动 ISP，直接将手机拍摄图像映射为 DSLR 拍摄图像。本文中，我们引入一种利用注意力机制和小波变换的新网络，称为 AWNet，以解决该可学习图像 ISP 问题。通过加入小波变换，我们提出的方法能够从 RAW 信息中恢复有利的图像细节，并在计算成本保持高效率的同时实现更大感受野。我们的方法采用全局上下文块来学习非局部颜色映射以生成吸引人的 RGB 图像。更重要的是，该块减轻了所提供数据集上发生的图像未对齐的影响。实验结果表明我们的设计在定性和定量度量上的先进性。代码已公开可用。
引用
@article{arxiv.2008.09228,
title = {AWNet: Attentive Wavelet Network for Image ISP},
author = {Linhui Dai and Xiaohong Liu and Chengqi Li and Jun Chen},
journal= {arXiv preprint arXiv:2008.09228},
year = {2020}
}
备注
17 pages, 6 figures, accepted in ECCVW 2020