OmniLens：通过从镜头库到特定领域的自适应实现通用镜头像差校正
光学
2026-01-30 v3 计算机视觉与模式识别
图像与视频处理
摘要
新兴的通用计算像差校正（CAC）范式提供了一种鼓舞人心的解决方案，通过一个在镜头库（LensLib）上训练的通用模型，以盲方式处理任意镜头的光学像差，从而实现轻量化和高质量成像。然而，现有镜头库的覆盖范围有限，导致训练好的模型对未见过的镜头泛化能力差，其微调流程也仅限于镜头描述已知的情况。在这项工作中，我们引入了 OmniLens，这是一种灵活的通用 CAC 解决方案，通过（i）建立一个具有全面覆盖范围的有说服力的镜头库，用于预训练一个鲁棒的基础模型，以及（ii）通过快速的从镜头库到特定领域的自适应，使模型适应任何镜头描述未知的特定镜头设计。为了实现这些目标，我们提出了一种基于进化的自动光学设计（EAOD）流程，以生成具有真实像差行为的丰富多样的镜头样本。然后，基于对镜头像差引起的退化中暗通道先验的统计观察，我们设计了一个无监督正则化项，用于在少量易于获取的真实拍摄图像上进行高效的领域自适应。大量实验表明，由 EAOD 生成的镜头库有效地开发了一个具有强大泛化能力的通用 CAC 模型，该模型还可以将非盲特定镜头方法在 PSNR 上提高 0.35~1.81dB。此外，所提出的领域自适应方法显著改善了基础模型，特别是在严重像差情况下（PSNR 最多提高 2.59dB）。代码和数据将在 https://github.com/zju-jiangqi/OmniLens 上提供。
引用
@article{arxiv.2409.05809,
title = {OmniLens: Towards Universal Lens Aberration Correction via LensLib-to-Specific Domain Adaptation},
author = {Qi Jiang and Yao Gao and Shaohua Gao and Zhonghua Yi and Xiaolong Qian and Hao Shi and Kailun Yang and Lei Sun and Kaiwei Wang and Jian Bai},
journal= {arXiv preprint arXiv:2409.05809},
year = {2026}
}
备注
Accepted to Optics & Laser Technology (JOLT). The code and data will be available at https://github.com/zju-jiangqi/OmniLens