面向极暗光成像的数字相机管线学习
计算机视觉与模式识别
2019-04-15 v1
摘要
在低光照条件下，由于光子数少且信噪比（SNR）低，传统相机成像管线生成的图像通常较暗且含噪，效果欠佳。我们提出了一种数据驱动的方法，该方法学习曝光良好图像的理想特性，并将其反映在极暗环境光下拍摄的图像中，从而显著提升这些低照度图像的视觉质量。我们提出了一种新的损失函数，利用了像素级指标和感知指标的特性，使我们的深度神经网络能够学习相机处理管线，将短曝光的低照度 RAW 传感器数据转换为曝光良好的 sRGB 图像。结果表明，根据心理物理学测试以及像素级标准指标和近期基于学习的感知图像质量度量，我们的方法优于现有技术。
引用
@article{arxiv.1904.05939,
title = {Learning Digital Camera Pipeline for Extreme Low-Light Imaging},
author = {Syed Waqas Zamir and Aditya Arora and Salman Khan and Fahad Shahbaz Khan and Ling Shao},
journal= {arXiv preprint arXiv:1904.05939},
year = {2019}
}