改善了RAW图像的照明和传感器之间的映射

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 机器学习 机器学习

背景情况:

• RAW 图像包含传感器特定的 RGB 值和因照明而产生的颜色阵列.
• 为了深度学习,捕获RAW数据集是具有挑战性的,因为传感器和照明的变化.
• 照明增强和交叉传感器映射对于减少数据捕获负担至关重要.

研究的目的:

• 为了解决用于深度学习的RAW图像数据集捕获的挑战.
• 引入用于照明和传感器映射的新型数据集.
• 开发一种有效的方法,用于在不同的传感器和照明中绘制RAW图像映射.

主要方法:

• 一个具有可调节照明光谱的定制灯箱被用于用多个摄像头捕捉场景.
• 创建了一个新的数据集,包括390个照明,四个摄像头和18个场景.
• 一个轻量级的神经网络被开发用于照明和传感器映射.

主要成果:

• 拟议的轻量级神经网络方法用于照明和传感器映射,与现有方法相比,其表现优越.
• 该数据集促进了RAW图像处理和交叉传感器校准方面的研究.
• 该方法的实用性在下游任务中得到验证,即训练神经图像信号处理器 (ISP).

结论:

• 开发的数据集和神经网络方法有效地解决了RAW图像变化的挑战.
• 这项工作显著降低了数据捕获的负担,用于深度学习的计算摄影.
• 这些发现为图像处理中更强大,更适应的深度学习模型铺平了道路.