访问官网
Github
文档
论文AISP 项目介绍
项目背景
AISP（AI Image Signal Processing and Computational Photography）是一个开创性的项目，专注于低级别计算机视觉和成像领域的深度学习应用。该项目涉及多种图像处理技术，包括原始图像处理、原始图像重建和合成，学习型图像信号处理（ISP）、图像增强与修复（去噪、去模糊）、多镜头散景效应渲染等。项目研究的成果已在许多重要的学术会议上展示，受到学术界的高度关注。
主要研究成果
高效的多镜头散景效果渲染与转换
这一研究是NTIRE 2023 散景挑战赛的基准方案，探索散景效果的渲染和转换技术。该成果展示了一种最先进的多镜头散景效果处理方法，为图像平滑过渡和背景虚化提供了新的解决方案。
智能手机实时应用的感知图像增强（LPIENet）
LPIENet 是专为智能手机设计的轻量级感知图像增强网络。随着相机设计和成像管道的进步，智能手机能够拍摄高质量的图像，但由于镜头和尺寸限制，图像常常会出现噪声和失真等问题。LPIENet 致力于以低计算成本改善这些问题，保持高效和有竞争力的表现。
基于模型的图像信号处理器（ISP）
在AAAI 2022会议上，AISP项目提出了一种结合数据驱动和模型基于的方法，用于通过可学习字典对ISP进行建模。该方法不仅能够重建原始图像，还可以在后续任务（如去噪）中提高性能。
AIM 2022 反向ISP挑战
这一挑战旨在通过研究如何从相机的RGB图像恢复出原始的RAW图像，推动更复杂的图像复原任务的发展，比如去噪和超分辨率。成功的解决方案可以为其他任务提供可靠的合成数据。
未来方向
AISP项目团队计划每月更新项目内容，持续推进影像处理技术的发展。他们在社交应用上，与图像处理领域的挑战赛合作，并积极部署创新方案于商用设备，为学术研究和商业应用架起桥梁。
联系信息
对于任何问题或合作意向，欢迎联系项目负责人与协调者Marcos Conde (marcos.conde@uni-wuerzburg.de)。他也是NTIRE和AIM挑战赛的联合组织者之一。
AISP项目通过开创性的方法和持续的技术创新，在图像信号处理领域取得了显著的进展，是提升现有图像处理技术的重要实践者。
