本文介绍了autotuning在图像信号处理(ISP)领域的应用，探讨了两个主要模型：一是通过训练学习对齐ISP效果，二是基于模型一搜索最优解。在面对isp复杂系统、数据对齐、图像质量评价和平台上限等问题时，作者指出了autotuning的难点和痛点，包括场景多样性、效果主观性以及参数调整的复杂性。
一、autotuning的认知
两个模型：
1.模型一：通过训练学习对齐isp效果，输入一套参数，输出和板端一致的图像效果
(1)数据：raw、板端直出、参数
(2)模型理论建模依据？--->UNET，transform；损失函数？--->pixel loss
(3)isp单一模块好理解，整个复杂的系统（时域、空域）如何做到拟合收敛--->合理分块参数；制定合理loss
2.模型二：基于模型一，raw+target训练搜索最优解
(1)数据：竞品设备的话如何做到像素级对齐？如果造数据如何保证raw、target和真实数据一致？
(2)模型理论建模依据？--->UNET，transform；损失函数？--->pixel loss
(3)isp单一模块好理解，整个复杂的系统（时域、空域）如何做到拟合收敛--->合理分块参数；制定合理loss
二、个人认知autotuning的难点
(1)isp单一模块好理解
最低0.47元/天 解锁文章
206
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
