利用内容感知元数据学习 sRGB 到 Raw-RGB 的反渲染
计算机视觉与模式识别
2022-06-07 v1 图像与视频处理
摘要
大多数相机图像由相机硬件渲染并保存为标准 RGB（sRGB）格式。由于相机内图像处理流程，非线性 sRGB 图像不利于假设像素值与场景辐射度直接关系的计算机视觉任务。对此类应用，线性 raw-RGB 传感器图像更受青睐。由于其大存储需求及许多成像应用的不支持，以 raw-RGB 格式保存图像仍不常见。已有若干“raw 重建”方法利用捕获时从 raw-RGB 图像采样并嵌入 sRGB 图像中的专门元数据。该元数据用于参数化映射函数，在需要时将 sRGB 图像反渲染回其原始 raw-RGB 格式。现有 raw 重建方法依赖简单采样策略和全局映射来执行反渲染。本文展示了如何通过联合学习采样与重建来改进反渲染结果。我们的实验表明，所学采样能适应图像内容，比现有方法产生更好的 raw 重建。我们还描述了一种用于重建网络的在线微调策略以进一步改进结果。
引用
@article{arxiv.2206.01813,
title = {Learning sRGB-to-Raw-RGB De-rendering with Content-Aware Metadata},
author = {Seonghyeon Nam and Abhijith Punnappurath and Marcus A. Brubaker and Michael S. Brown},
journal= {arXiv preprint arXiv:2206.01813},
year = {2022}
}
备注
CVPR 2022 (GitHub: https://github.com/SamsungLabs/content-aware-metadata)