要約
低光環境での画像撮影は、光子数の少なさと低い信噪比（SNR）により困難を極めています。短時間露光の画像はノイズに悩まされ、長時間露光はブラーを引き起こす可能性があり、実用的でないことが多いです。ノイズ除去、ブラー補正、および強化技術が多数提案されていますが、これらの技術の効果は夜間のビデオレート撮影などの極端な条件下では制限されます。低光画像処理の学習ベースのパイプライン開発を支援するために、当研究では短時間露光の低光RAW画像データセットと対応する長時間露光リファレンス画像データセットを導入します。このデータセットを使用して、フルコンボリューショナルネットワークによるエンドツーエンド訓練に基づく低光画像処理パイプラインを開発しました。ネットワークは直接RAWセンサデータに対して動作し、このようなデータで性能が低下しがちな従来の画像処理パイプラインの大部分を置き換えます。新規データセットでの有望な結果を報告し、性能に影響を与える要因を分析するとともに、今後の研究機会についても指摘しています。結果は補足動画（https://youtu.be/qWKUFK7MWvg）で示されています。