W-Net：用于原始拜耳图像到RGB映射的两阶段U-Net及错位数据处理方法
图像与视频处理
2020-04-21 v3 计算机视觉与模式识别
摘要
近年来，随着深度卷积神经网络的发展，学习原始拜耳图像与RGB图像之间映射关系的研究取得了进展。在AIM 2019原始到RGB映射挑战赛中，发布了一个具有挑战性的数据集，即苏黎世原始到RGB数据集（ZRR）。在ZRR中，输入的原始图像和目标RGB图像由两台不同相机捕获，因此并非完美对齐。此外，未提供白平衡增益和色彩校正矩阵等相机元数据，这使得挑战更加困难。本文中，我们探索了一种有效的网络结构和损失函数来解决这些问题。我们利用了两阶段U-Net架构，并引入了一种对对齐变化不敏感、对色彩差异更敏感的损失函数。此外，我们展示了用不同损失函数训练的网络集成可以带来显著的性能提升。我们通过在峰值信噪比和结构相似性方面均取得最高分数，并在挑战赛中获得第二佳的平均主观评分，证明了我们方法的优越性。
引用
@article{arxiv.1911.08656,
title = {W-Net: Two-stage U-Net with misaligned data for raw-to-RGB mapping},
author = {Kwang-Hyun Uhm and Seung-Wook Kim and Seo-Won Ji and Sung-Jin Cho and Jun-Pyo Hong and Sung-Jea Ko},
journal= {arXiv preprint arXiv:1911.08656},
year = {2020}
}
备注
Accepted by ICCVW 2019