DeepISP：面向端到端图像处理流水线的学习
图像与视频处理
2019-02-05 v2 计算机视觉与模式识别
摘要
我们提出DeepISP，一种相机图像信号处理（ISP）流水线的全端到端深度神经模型。我们的模型学习从原始低光马赛克图像到最终具视觉吸引力图像的映射，并涵盖去马赛克和去噪等低级任务以及色彩校正和图像调整等较高级任务。该流水线的训练和评估在一个专用数据集上完成，该数据集包含由三星S7智能手机相机以原始和已处理JPEG格式捕获的低光与良好光照图像对。所提方案在联合去噪与去马赛克子任务的PSNR客观评估中达到了最先进（SOTA）性能。对于全端到端流水线，无论在主观人类评估还是由训练用于评估图像质量的深度模型评分中，其视觉质量均优于厂商ISP。
引用
@article{arxiv.1801.06724,
title = {DeepISP: Towards Learning an End-to-End Image Processing Pipeline},
author = {Eli Schwartz and Raja Giryes and Alex M. Bronstein},
journal= {arXiv preprint arXiv:1801.06724},
year = {2019}
}