Deep Camera：一种用于图像信号处理的全卷积神经网络
图像与视频处理
2019-08-27 v1 计算机视觉与模式识别
摘要
传统相机顺序执行各种信号处理步骤以从原始 Bayer 图像重建图像。当在多级中执行这些处理时，每一级的残差误差在图像中累积并降低最终重建图像的质量。在本文中，我们提出一种全卷积神经网络（CNN）来执行缺陷像素校正、去噪、白平衡、曝光校正、去马赛克、颜色变换和伽马编码。据我们所知，这是首个端到端训练以执行相机中整个图像信号处理流水线的 CNN。该神经网络使用大型原始 Bayer 图像数据库进行训练。通过大量实验，我们表明所提出的基于 CNN 的图像信号处理系统优于顺序执行处理的传统信号处理流水线。
引用
@article{arxiv.1908.09191,
title = {Deep Camera: A Fully Convolutional Neural Network for Image Signal Processing},
author = {Sivalogeswaran Ratnasingam},
journal= {arXiv preprint arXiv:1908.09191},
year = {2019}
}
备注
11 pages, 6 figures, conference:ICCV 2019 workshop: Learning for Computational Imaging (LCI)