DRL-ISP: 基于深度强化学习的多目标相机 ISP
计算机视觉与模式识别
2022-07-08 v1 人工智能
机器学习
机器人学
图像与视频处理
摘要
在本文中，我们提出了一种多目标相机 ISP 框架，该框架利用深度强化学习 (DRL) 以及由基于网络的和传统的 ISP 工具组成的相机 ISP 工具箱。所提出的基于 DRL 的相机 ISP 框架从工具箱中迭代地选择合适的工具并将其应用于图像，以最大化给定的视觉任务特定奖励函数。为此，我们实现了共计 51 种 ISP 工具，包括曝光校正、色彩与色调校正、白平衡、锐化、降噪等。我们还提出了一种高效的 DRL 网络架构，能够提取图像的多个方面特征，并在图像与大量动作之间建立严格的映射关系。我们提出的基于 DRL 的 ISP 框架根据每个视觉任务（如 RAW 到 RGB 图像恢复、2D 目标检测和单目深度估计）有效提升了图像质量。
引用
@article{arxiv.2207.03081,
title = {DRL-ISP: Multi-Objective Camera ISP with Deep Reinforcement Learning},
author = {Ukcheol Shin and Kyunghyun Lee and In So Kweon},
journal= {arXiv preprint arXiv:2207.03081},
year = {2022}
}
备注
Accepted by IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2022 (*First two authors are equal contributed)