本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

拍照已經是手機最大的賣點，各大廠商在DxO上刷分刷得不亦樂乎，一億像素、超級夜景、光學變焦……花樣越來越多。

然而不同手機拍出來的質感卻不一樣，一方面是鏡頭模組不同，另一方面是對圖像處理器（ISP）的軟件調教也不同。

最近，蘇黎世聯邦理工學院（ETHZ）提出一個新的算法PyNet，只需單個端到端深度學習模型，就能替代手機的ISP。

它調教出的相機算法可以從一個手機移植到另一個手機上，而不必使用手機的ISP。即使兩款手機芯片來自兩家廠商，也完全沒問題。

用華為P20和佳能單反相機5D Mark IV調教的算法，移植到黑莓手機KeyOne上，照片質量與原始ISP輸出相比，有了很大的改善。

華為P20使用的是麒麟970芯片+1200萬像素索尼IMX 380攝像頭，黑莓KeyOne使用的是驍龍625+1200萬像素索尼IMX 378攝像頭。

目前，PyNET的源代碼、數據集、預訓練模型都已經在GitHub上發布了。

PyNET原理

我們按下快門后，手機在不到一秒時間里就輸出了一幅圖片，背后過程卻相當復雜。

手機拍照時，首先輸出的是原始不帶任何修飾的感光信息文件RAW。

RAW經過手機SoC中專門用于運算圖像的ISP經過一系列處理，將原本暗淡的原始圖像變成艷麗的結果。

這其中的過程包括：去除噪點、修正白平衡、調整曝光量、校正色彩對比度、超分辨率等等。

現在，越來越多的手機開始用上NPU等AI核心，AI運算能力越來越強，未來是否可以用NPU來代替ISP做圖像運算呢？這就是ETHZ研究人員的思路。

研究人員首先采集2萬張華為P20拍攝的RAW原始圖片，和同樣場景下Canon單反5D Mark IV拍攝的照片，以此作為數據集進行訓練。

但是訓練過程中并沒有使用原尺寸的圖片，而是448×448的窗口從圖片上選取一部分，最后 產生了48043個RAW-RGB圖像對。

為了能夠把較小尺度上訓練的結果用于原尺寸圖片上，PyNET采用了分級的架構。

以下就是PyNET的網絡架構，該模型具有倒金字塔形狀，能以五個不同的級別處理圖像。

PyNET架構具有多個塊，這些塊與不同大小的卷積濾波器（從3×3到9×9）并行處理特征圖，然后將相應的卷積層的輸出進行級聯。

在較低尺度下獲得的輸出將通過轉置的卷積層進行上采樣，與高級的特征圖堆疊在一起，然后在隨后的卷積層中進行處理。

PyNET從最低層開始，對模型進行順序訓練。先在較低尺度上獲得良好的圖像重建結果，用于處理分辨率非常低的圖像并執行全局圖像操作。

對底層進行預訓練之后，再將相同的步驟應用于下一個級別，直到對原始分辨率圖像進行訓練為止。

由于每個較高級別都從模型的下部獲得了高級的高質量特征，因此它主要學習重建缺失的低級細節并完善結果。

經過訓練后，將華為P20拍攝的RAW原始圖像交給PyNET處理，圖片不輸華為自帶ISP的處理效果。

在Amazon Mechanical Turk平臺上的人工打分顯示，用PyNet處理的圖片觀感優于P20直出效果。

安裝和訓練

PyNET用TensorFlow實現，需要安裝SciPy、NumPy、imageio和pillow，英偉達GPU也是必不可少的，因為訓練過程中需要用到CUDA和cuDNN。

此外還需要下載預訓練的VGG-19、PyNet模型，以及RAW-RGB圖像對數據集。

作者推薦模型在具有16GB顯存的Tesla V100 GPU上進行訓練。

如果你沒有強大的計算資源，也可以利用開源代碼中的dng_to_png.py將RAW轉換為PNG格式圖片，不過你用的就是官方P20和佳能單反的調教結果了。

論文地址：https://arxiv.org/abs/2002.05509

源代碼：https://github.com/aiff22/PyNET