计算摄影相关论文阅读笔记

Unprocessing Images for Learned Raw Denoising

CVPR2019
图像去噪算法
通过对相机图像处理操作的逆向操作,生成噪声图像。
由于互联网上高质量的图像是大量存在的,而对应的真实噪声图像很难找到,
通过这一方式,建立起大规模的训练集,更好地训练图像去噪神经网络。

CNN是在RAW域进行处理的,这就限定了它的应用范围,只能处理ISP操作(参数)已知的场景,比如拍照时的处理、本设备拍照的照片处理;而不能处理任意一张RGB图像,比如作为第三方修图APP的功能。

CycleISP: Real Image Restoration via Improved Data Synthesis

CVPR2020
图像去噪
传统的噪声图像获取方法是在原图上添加高斯白噪声,它和真实的噪声还是很不一样的,导致用这种数据训练出的模型对于真实的场景上效果相去甚远。
本文模拟相机的ISP和ISP的逆操作,将RGB图像转换为RAW格式,生成具有真实感的噪声图像。

RGB2RAW
RAW2RGB
噪声插入模块 adds shot and read noise

SIDD数据集:RAW-RGB对应图像

Deep HDR Video from Sequences with Alternating Exposures

通过使用交替的曝光度的视频来合成HDR视频

Deep High Dynamic Range Imaging of Dynamic Scenes

Sigraph2017
从一组不同曝光的图像中生成高动态范围(HDR)图像。

Replacing Mobile Camera ISP with a Single Deep Learning Model

统一的框架来处理原始图像,而不是经过一系列复杂的ISP操作

你可能感兴趣的:(计算摄影相关论文阅读笔记)