利用神經網路曲線模型進行RAW照片多重曝光融合

Abstract

近年來的論文已經證明我們可以學習一個轉換RAW到sRGB的深度學習模型來取代傳統相機的訊號處理器，藉此來減少開發相機訊號處理器的時間和成本。但是近年使用智慧型手機拍照變得愈來愈普遍，智慧型手機硬體的限制使得單張照片的品質受限，常常有過曝及曝光不足的區域，難以僅藉由一個轉換RAW到sRGB的深度學習模型來完全恢復這些區域的資訊，因此我們提出一個方法來融合兩張不同曝光值的RAW影像來解決這個問題。同時使用一個神經網路曲線模型來幫助轉換RAW到sRGB影像的顏色，經過我們的實驗證實，加入曲線模型特徵可以使融合兩張RAW影像的模型在轉換顏色和合成顏色上有更好的表現。