Github
论文CycleISP 项目介绍
概述
CycleISP 是一个先进的图像处理项目，旨在通过改进数据合成方法实现真实图像的复原。该项目在 2020 年的 CVPR 上获得了口头报告资格。项目的主要贡献在于提供了一个框架，能够在正向和反向方向上模拟相机成像过程，实现图像去噪的高效方法，并获得了在真实相机基准数据集上的前沿性能。
背景和挑战
在图像去噪问题中，传统方法依赖于合成数据，这些数据通常假设图像噪声是加性白高斯噪声（AWGN）。尽管这种假设在合成数据上表现良好，但却不足以有效处理真实相机图像中的信号相关噪声。这是因为真实相机图像的噪声不仅依赖于强度信号，而且受到相机成像流程的转换影响。
CycleISP 框架
CycleISP 提出了一种双向数据转换框架，具备以下功能：
- RGB2RAW 网络分支：将sRGB图像转换成RAW格式。
- RAW2RGB 网络分支：将RAW格式图像转换回sRGB格式。
这一框架通过在RAW和sRGB空间中生成逼真的合成图像对，帮助训练新的图像去噪网络，从而在真实相机基准数据集上实现卓越的性能。
去噪网络
CycleISP 设计了一种新的去噪网络，在参数数量上比之前的最佳方法减少了约5倍，但依然在去噪效果上达到了顶尖水平。这种网络不仅能处理RAW图像，还能处理sRGB图像，同时框架也可推广到其他图像处理任务，如立体影院中的色彩匹配。
安装和使用
CycleISP 使用了 PyTorch 1.1.0 构建，并在 Ubuntu 16.04 环境下测试。用户需要安装对应的依赖库以及预训练模型后方可运行相关去噪任务，包括RAW和sRGB图像去噪。具体安装步骤和使用方法可以在项目文档中找到。
评估与结果
在评估阶段，CycleISP 在RAW和sRGB空间的多种真实图像数据集上进行了去噪效果的实验。结果显示，CycleISP 能够产生高质量的去噪图像，并提供相应的实验结果供下载和验证。
总结
CycleISP 项目通过改进数据合成技术，成功实现了对真实图像的有效复原，不仅在学术界引起了广泛关注，也为图像处理技术的实际应用提供了新思路和新工具。
