改进的 RAW 图像光照与传感器间映射
计算机视觉与模式识别
2025-08-21 v1
摘要
RAW 图像是未处理的相机传感器输出，其 RGB 值基于传感器的彩色滤光片光谱灵敏度，具有传感器特异性。由于传感器对场景光照光谱特性的响应，RAW 图像还会产生强烈的色偏。RAW 图像这种传感器和光照特异性的特性，使得为深度学习方法捕获 RAW 数据集变得困难，因为需要为每种传感器并在广泛的光照条件下捕获场景。针对给定传感器的光照增强方法以及在不同传感器之间映射 RAW 图像的能力，对于减少数据采集负担至关重要。为了探索这个问题，我们引入了首个此类数据集，其中包含在广泛光照条件下精心采集的场景。具体来说，我们使用一个具有可调光照光谱的定制灯箱，用不同的相机拍摄了多个场景。我们的光照与传感器映射数据集包含 390 种光照、四台相机和 18 个场景。利用该数据集，我们引入了一种轻量级神经网络方法用于光照和传感器映射，其性能优于竞争方法。我们展示了该方法在下游任务——训练神经 ISP 上的实用性。项目页面链接：https://github.com/SamsungLabs/illum-sensor-mapping。
引用
@article{arxiv.2508.14730,
title = {Improved Mapping Between Illuminations and Sensors for RAW Images},
author = {Abhijith Punnappurath and Luxi Zhao and Hoang Le and Abdelrahman Abdelhamed and SaiKiran Kumar Tedla and Michael S. Brown},
journal= {arXiv preprint arXiv:2508.14730},
year = {2025}
}