从平价到专业：面向专业风格影像的学习驱动自适应相机参数网络

消费级相机系统在复杂照明条件下（如低光、高动态范围、背光以及空间色温变化）往往难以保持稳定的图像质量。这些问题导致曝光不足、色偏和色调不一致，降低下游视觉任务的性能。为解决此问题，我们提出ACamera-Net，一个轻量级且场景自适应的相机参数调整网络，直接从RAW输入预测最优曝光和白平衡。该框架包含两个模块：ACamera-Exposure估计ISO以缓解曝光不足和对比度损失，ACamera-Color预测相关色温和增益因子以提高色彩一致性。针对边缘设备的实时推理进行优化，ACamera-Net可无缝集成到成像流水线中。基于标注参考数据的多样化真实世界数据训练，模型在各种照明条件下均表现出良好的泛化性。大量实验表明，ACamera-Net持续提升图像质量，稳定感知输出，超越传统自动模式和轻量级基线，无需额外的图像增强模块。