过曝掩膜融合：可泛化的逆向ISP多步精化

随着深度学习方法取代ISP将传感器RAW读数转换为RGB图像，众多方法已固化到实际应用中。同样重要的是反转这一过程，它将在增强于RAW域进行的计算摄影任务中发挥作用，解决可用RAW数据匮乏的问题，同时受益于直接在传感器读数上执行任务的优势。本文提出的方法是针对RAW重建任务的state-of-the-art解决方案，且融合过曝掩膜的多步精化过程在三个方面具有新颖性：流水线从RGB训练到去马赛克RAW而非到bayer，从而允许使用感知损失函数；多步过程大幅提升了基线U-Net从始至终的性能；该流水线是一种可泛化的精化过程，能够增强其他支持端到端学习的高性能方法。