MSSIDD：面向多传感器去噪的基准测试

移动终端配备的相机在不同的拍摄模式下采用不同的传感器，这些传感器之间 raw 域去噪模型的可迁移性具有重要意义，但仍有待充分探索。工业解决方案要么为不同的传感器开发不同的训练策略和模型，要么忽略传感器之间的差异，简单地将现有模型扩展到新传感器，这导致训练繁琐或性能不佳。在本文中，我们引入了一个新的基准测试，即多传感器 SIDD（MSSIDD）数据集，这是第一个旨在评估去噪模型传感器可迁移性的 raw 域数据集。MSSIDD 数据集包含 60,000 张来自六个不同传感器的 raw 图像，这些图像是通过不同的相机传感器参数将 sRGB 图像退化而生成的。此外，我们提出了一种传感器一致性训练框架，使去噪模型能够学习传感器不变特征，从而促进一致模型对未见传感器的泛化。我们在新提出的 MSSIDD 数据集上评估了现有方法，实验结果验证了我们提出方法的有效性。我们的数据集可在 https://www.kaggle.com/datasets/sjtuwh/mssidd 获取。