VIP20

本课程属于：048-AI　ISP混合架构相机系统图像处理实战 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

AI降噪模型在RAW域的应用

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

什么是RAW图像 · RAW与RGB的区别 · Bayer阵列格式

光子噪声（泊松噪声） · 读出噪声（高斯噪声） · 固定模式噪声

噪声模型光子噪声

传统降噪方法

均值滤波 · 高斯滤波 · 中值滤波

传统降噪方法均值滤波

深度学习基础

卷积神经网络（CNN）原理 · 激活函数 · 损失函数

深度学习基础CNN

AI降噪模型架构

U-Net架构 · DnCNN · FFDNet

AI降噪模型架构

RAW域数据准备

原始RAW数据采集 · 暗场与亮场校正 · 数据增强策略

RAW域数据准备

噪声合成与模拟

基于物理模型的噪声合成 · 泊松-高斯噪声模型实现 · 真实噪声模拟技巧

噪声合成模拟

模型训练流程

PyTorch环境搭建 · 数据加载器（DataLoader）设… · 训练循环编写

模型训练流程PyTorch

损失函数设计

L1/L2损失 · 感知损失（Perceptual Lo… · 总变分损失（TV Loss）

损失函数设计L1/L2

PSNR · SSIM · LPIPS

评估指标PSNR

模型优化与加速

模型剪枝 · 量化（INT8/FP16） · 知识蒸馏

模型优化加速

多帧对齐算法 · 时域融合策略 · 基于光流的降噪方法

多帧降噪多帧对齐算法

真实场景降噪挑战

低光照环境 · 高ISO噪声 · 运动模糊与噪声耦合

真实场景降噪挑战低光照环境

RAW域ISP Pipeline集成

降噪模块在ISP流程中的位置 · 与去马赛克/白平衡的协同

移动端部署

ONNX导出 · NCNN/TNN框架适配 · 端侧推理优化技巧

移动端部署ONNX

基于Transformer的降噪

SwinIR · Restormer · Uformer等模型原理与实现

Transformer基于

自监督降噪方法

Noise2Noise · Noise2Void · Self2Self等无需干净标签的方…

自监督降噪方法Noise2Noise

盲降噪与噪声水平估计

噪声水平函数估计 · 盲降噪网络设计 · 动态噪声适应

盲降噪噪声水平估计

色彩与纹理保持

降噪中的细节保护策略 · 边缘感知损失 · 高频信息重建

色彩纹理保持

帧间相关性利用 · 3D卷积降噪 · 循环神经网络降噪

视频降噪帧间相关性利用

RAW域数据增强

几何增强 · 颜色增强 · 噪声增强

RAW域数据增强

模型可解释性

特征图可视化 · 注意力图分析 · 降噪决策过程理解

模型可解释性特征图可视化

跨平台部署

Windows/Linux/Andr… · 异构计算加速

跨平台部署Windows/Linu…

通道剪枝 · 层剪枝 · 低秩分解

模型压缩通道剪枝

真实噪声数据集

SIDD · DND · RENOIR等公开数据集介绍与使用

真实噪声数据集SIDD

模型鲁棒性

对抗样本攻击 · 分布外检测 · 模型校准与不确定性估计

模型鲁棒性对抗样本攻击

GPU/TPU/NPU适配 · CUDA算子优化 · 内存带宽优化

硬件加速GPU/TPU/NPU

端到端学习

从RAW到sRGB的联合优化 · 可微分ISP · 全链路学习

端到端学习RAW

扩散模型在降噪中的应用 · NeRF与降噪结合 · 大模型在底层视觉的探索

前沿进展扩散模型

从零搭建一个RAW域降噪系统 · 涵盖数据准备 · 模型训练

项目实战RAW