学习相机无关的白平衡偏好
计算机视觉与模式识别
2025-08-18 v2
摘要
现代相机的图像信号处理（ISP）管道包含多个模块，将原始传感器数据转换为显示色彩空间中的视觉优美图像。在这些模块中，自动白平衡（AWB）模块对于补偿场景照明至关重要。然而，商业AWB系统常试图计算审美偏好的白平衡，而非准确的中性色彩校正。虽然基于学习的方法已提高AWB准确性，但通常难以在不同相机传感器之间泛化——这对拥有多摄像头的智能手机构成问题。近期研究探索了跨相机AWB，但大多数方法专注于实现中性白平衡。相比之下，本文首次针对审美一致性，学习后 illuminant-estimation 映射，将中性 illuminant 校正转换为空间中审美偏好校正。训练完成后，Our mapping可应用于任何中性AWB模块之后，即可在未见相机上实现一致且具有风格化色彩渲染。我们提出的模型轻量级——仅包含约500个参数——在典型旗舰移动CPU上仅需0.024毫秒。评估于来自三个不同摄像头的771张智能手机图像数据集，Our method实现了最先进的性能，同时完全兼容现有的跨相机AWB技术，引入最小的计算和内存开销。
引用
@article{arxiv.2507.01342,
title = {Learning Camera-Agnostic White-Balance Preferences},
author = {Luxi Zhao and Mahmoud Afifi and Michael S. Brown},
journal= {arXiv preprint arXiv:2507.01342},
year = {2025}
}