基于深度卷积网络的移动设备单反级照片
计算机视觉与模式识别
2017-09-07 v2
摘要
尽管内置智能手机摄像头的质量迅速提升，但其物理限制——传感器尺寸小、镜头紧凑以及缺乏特定硬件——阻碍它们达到单反相机的质量效果。本工作中，我们提出一种端到端深度学习方法，通过将普通照片转换为单反质量图像来弥补这一差距。我们提议使用残差卷积神经网络学习转换函数，从而同时改善色彩还原和图像锐度。由于标准均方损失不适用于衡量感知图像质量，我们引入一种结合内容、颜色和纹理损失的复合感知误差函数。前两项损失以解析方式定义，而纹理损失以对抗方式学习。我们还提出 DPED，一个由三部不同手机和一台高端单反相机拍摄的真实照片组成的大规模数据集。我们的定量与定性评估表明，增强后的图像质量可与单反拍摄照片相媲美，且该方法论可推广至任何类型的数字相机。
引用
@article{arxiv.1704.02470,
title = {DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks},
author = {Andrey Ignatov and Nikolay Kobyshev and Radu Timofte and Kenneth Vanhoey and Luc Van Gool},
journal= {arXiv preprint arXiv:1704.02470},
year = {2017}
}