《Unprocessing Images for Learned Raw Denoising》論文閱讀

摘要 當用於訓練的數據與用於評估的數據相似時,機器學習技術最有效。這對於學習過的單圖像去噪算法來說是正確的,這些算法應用於真實的原始相機傳感器讀數,但由於實際的限制,通常在合成圖像數據上進行訓練。雖然從合成圖像推廣到真實圖像需要仔細考慮相機傳感器的噪聲特性,圖像處理管道的其他方面(如增益、顏色校正和色調映射)常常被忽略,儘管它們對原始測量數據如何轉換成最終圖像有重要影響。爲了解決這個問題,我們提出
相關文章
相關標籤/搜索