RAW 和 sRGB 领域中的图像去莫尔化
通过利用原始颜色分离特征分支和空间调制,以及构建了第一个对齐良好的原始视频去莫尔(RawVDemoiré)数据集,本研究提出了一种专门针对原始输入的图像和视频去莫尔网络,并且在去莫尔图像和视频方面取得了最先进的性能。
Oct, 2023
使用我们最近提出的 “Shape” 概念,本文研究了光电显示器光学成像产生的非期望 Moire 图案,并提出了 ShapeMoiré 方法来辅助图像去 Moire 处理,通过在局部和全局图像级别建模形状特征,设计了一个新颖的 Shape-Architecture,实现了与现有方法的无缝集成,并在四个常用数据集上进行了实验,结果表明,ShapeMoiré 在 PSNR 指标方面达到了最先进水平,同时也在涉及智能手机摄影的实际去 Moire 场景中展现了其强大的鲁棒性与可行性。
Apr, 2024
该研究提出了一种混合模型和数据驱动的 ISP 技术,实现了 RAW 和 RGB 域的双向映射和参数学习,通过基于字典的数据增强方法,在 RAW 图像重建和去噪任务中实现了最先进的性能。
Jan, 2022
手机相机图像处理中 RAW 转 sRGB 映射是一项重要的研究领域,现有方法往往忽视了手机 RAW 图像和单反相机 RGB 图像之间的差异,我们提出了一种名为 FourierISP 的新型神经 ISP 框架,该方法通过在频域内独立优化图像的风格和结构,使得色彩和结构同时得到增强,广泛的数据集评估表明我们的方法达到了最先进的效果。
Jan, 2024
分析 3D 卷积在图像去马赛克模型中所存在的问题,如 Moire 伪影和过度平滑,并提出一种新的卷积方法来加强在颜色和空间维度上的信息交流,针对图像去马赛克和降噪等任务验证该方法的效果。
May, 2023
介绍了 AIM 2022 挑战,通过建立方法和基准,该挑战旨在解决如何从对应的 RGB 图像中恢复原始传感器图像的问题,并且得到了最新的结果,这对于其他任务可以产生潜在的益处。
Oct, 2022
本文提出了一种新的计算原始 HDR 数据形成管道并构建了第一个实际的原始 HDR 数据集 RealRaw-HDR,开发了一种轻量级高效的 HDR 模型 RepUNet,通过提出即插即用的运动对齐损失方法,解决了短曝光和长曝光图像之间的动作对齐问题,并在视觉质量和量化指标方面实现了最先进的性能。
Jun, 2023
本研究提出了一个可逆的图像信号处理管线(InvISP),不仅可以呈现视觉上吸引人的 sRGB 图像,而且还允许恢复几乎完美的 RAW 数据。我们还集成了一个可微的 JPEG 压缩模拟器,使我们的框架能够从 JPEG 图像中重构 RAW 数据。大量的定量和定性实验表明,与替代方法相比,我们的方法在呈现 sRGB 图像和重构 RAW 数据方面获得了更高的质量。
Mar, 2021