Dec, 2023

RAW 和 sRGB 领域中的图像去莫尔化

PDF
TL;DR本文提出了使用 RAW 和 sRGB 数据同时进行图像去莫尔纹处理的方法（RRID），通过 Skip-Connection-based Demoir'eing Module（SCDM）和 RGB Guided Image Signal Processor（RGISP）来实现，并证明该方法在莫尔纹去除和色彩修正方面具有优越表现。
发现论文，激发创造
  • 通过信道和空间调制重新捕获原始屏幕图像和视频中的去莫尔条纹

    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

  • ShapeMoiré：基于通道的形状引导网络用于图像去莫尔纹

    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

  • 基于可学习字典的模型化图像信号处理器

    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

  • 傅里叶域中的解耦样式结构增强 RAW 至 sRGB

    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

  • 走向无莫尔条纹和保留细节的去马赛克化

    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

  • 逆向图像信号处理与 RAW 重建。AIM 2022 挑战赛报告

    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

  • 从现实世界的 RAW 图像中高效重建 HDR

    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

  • BSRAW：提升盲目 RAW 图像超分辨率

    通过直接处理原始图像，设计了一个适用于训练原始传感器数据模型的逼真退化管道，以实现在原始领域盲目图像超分辨率，并提出了一个新的数据集和基准

    Dec, 2023

  • 使用内容感知元数据学习 sRGB 到 Raw-RGB 反渲染

    该文介绍了一种基于元数据的图像重建方法，通过联合学习采样和重建策略，实现了更好的重建效果，适用于计算机视觉等领域。

    Jun, 2022

  • 可逆图像信号处理

    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