Del-Net：一种用于手机相机ISP的单阶段网络
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
摘要
由于智能手机正成为无处不在的主要拍摄设备，其拍摄图像的质量是一项重要规格。智能手机相机中的传统图像信号处理（ISP）流水线由多个顺序执行的图像处理步骤组成，以从原始传感器数据重建高质量的sRGB图像。这些步骤包括去马赛克、去噪、白平衡、伽马校正、色彩增强等。由于每个步骤都使用手工设计的算法顺序执行，每个处理模块的残余误差会在最终重建信号中累积。因此，传统ISP流水线在捕捉图像时，对于不同光照条件和相关噪声水平的泛化能力方面，重建质量有限。使用卷积神经网络（CNN）的深度学习方法在解决许多图像相关任务（如图像去噪、对比度增强、超分辨率、去模糊等）中已变得流行。此外，最近也发表了使用深度学习方法进行RAW到sRGB转换的方法，然而，它们在内存需求和乘加运算次数方面的巨大复杂性使其不适用于手机相机ISP。在本文中，我们提出了Del-Net——一个单一的端到端深度学习模型——以在适合智能手机部署的合理复杂度内学习整个ISP流水线。Del-Net是一种多尺度架构，它使用空间和通道注意力来捕获颜色等全局特征，以及一系列轻量级的改进残差注意力块来辅助去噪。为了验证，我们提供了结果以展示所提出的Del-Net实现了令人信服的重建质量。
引用
@article{arxiv.2108.01623,
title = {Del-Net: A Single-Stage Network for Mobile Camera ISP},
author = {Saumya Gupta and Diplav Srivastava and Umang Chaturvedi and Anurag Jain and Gaurav Khandelwal},
journal= {arXiv preprint arXiv:2108.01623},
year = {2021}
}