weixin_57159421-CSDN博客

原创面经基础知识总结--图像处理方面

（2）变换域去噪（变换方法：傅里叶变换、小波变换、离散余弦变换和多尺度几何变换）：小波去噪、BM3D去噪。（1）空域去噪：均值滤波、高斯滤波、中值滤波、双边滤波、导向滤波、非局部均值滤波(NLM)（2）无参考：NIQE、PIQE、BRISQUE、CEIQ、ENIQA。（1）有参考：PSNR、SSIM。

2024-03-30 19:38:24 309

感受野详解-CSDN博客一篇文章完全搞懂正则化（Regularization）-CSDN博客机器学习中正则化项L1和L2的直观理解_l1正则化-CSDN博客深度学习中常见卷积（普通卷积、1×1卷积、转置卷积、可分离卷积、膨胀（空洞）卷积、3D卷积）_逐通道卷积-CSDN博客CNN基础知识——池化（pooling）_平均池化的计算过程-CSDN博客常用的激活函数合集（详细版）_输入层一般用什么激活函数-CSDN博客损失函数（lossfunction）的全面介绍（简单易懂版）-CSDN博客卷积神经网络发展

2024-03-30 16:29:00 228

原创 ISP链路

ISP链路中主要包含这些模块：黑电平校正BLC、坏点校正DPC、高动态成像HDR、去噪Denoise、镜头阴影校正LSC、自动白平衡AWB、去马赛克Demosaic、颜色校正CC、全局色调映射GTM、伽马变换Gamma、锐化Sharpen。

2024-03-28 11:18:57 210 1

原创卷积神经网络发展历程

具体可参考链接：【深度学习】经典的卷积神经网络模型介绍（LeNet、AlexNet、VGGNet、GoogLeNet、ResNet和MobileNet）-CSDN博客轻量级神经网络MobileNet全家桶详解-CSDN博客

2024-03-27 11:53:27 136

原创 HDR论文总结

最常见的方法是使用一组CRF数据库[14]、[36]中的不同CRF函数来模拟LDR形成管道，或者使用虚拟相机根据随机选择的相机曲线来捕捉场景中的多个随机区域[10]、[38]、[47]。在[14]中，为了创建一个真实世界的单图像HDR数据集，600名业余爱好者被指示使用放置在稳定三脚架上的LDR相机拍摄多次曝光的场景。一些方法，如[33]，在编码阶段使用注意，其他方法，如[75]，在合并阶段学习相关性。●在极端成像条件下，例如在黑暗的场景中，长时间曝光通常会导致LDR图像的模糊效果。

2023-08-12 16:47:42 488 1

原创阅读笔记--Joint HDR Denoising and Fusion：A Real-World Mobile HDR Image Dataset

图6的定性结果证明，在单反数据集上训练的模型很难去除手机图像中较重的噪声，过度曝光区域存在明显的鬼影。与基线模型(与完整模型共享相同的合并网络，但去除了对准模块)相比，完整模型在PSNR-µ和PSNR-l上分别获得了0.51dB和1.11dB的优势，证明了作者提出的金字塔交叉注意对准模块的有效性，提出了一种注意力转移机制，以缓解过度曝光参考区域对准的困难。与现有的HDR图像数据集大多在白天使用单反相机采集不同，作者的数据集是在不同的光照条件和场景下使用手机相机采集的，包含更强的噪声和更大的过曝区域。

2023-08-12 15:42:50 197 1

原创 Ghost-free High Dynamic Range Imaging with Context-aware Transformer

大量的实验证明，所提出的方法达到了最先进的性能。一方面，Transformer缺乏CNN固有的归纳偏见，因此在数据量不足的情况下进行训练时无法很好地概括，尽管HDR的可用数据集有限，因为收集大量真实的标记样本成本高昂。给定三幅输入图像，首先通过空间注意模块提取空间特征，然后将提取的粗特征嵌入到基于transformer的HDR重建网络中，生成重建的无鬼影HDR图像。•提出了一种新的视觉转换器，称为CA-ViT，它可以充分利用全局和局部图像上下文依赖关系，相比之前的同类产品显示出显著的性能改进。

2023-07-19 10:06:51 87

weixin_57159421的博客