Learning Controllable ISP for Image Enhancement
本文是首尔国立大学2023年发表在TIP期刊上的一篇文章，主要提出一种可控的图像信号处理器（Controllable Image Signal Processor，简称CRISP），用于图像增强，且允许用户灵活地控制图像的风格。点击最后的阅读原文查看论文全文
Introduction
传统的ISP由于调参过程复杂，常常会将参数固定下来，只能生成单一风格的图像输出，难以满足用户对多样化图像风格的需求。同时，现有的深度学习方法计算量大或存储需求大（如需要存储3D LUT），效率较低。针对这些问题，作者提出了可控的图像信号处理器（Controllable Image Signal Processor，CRISP），用一个神经网络根据用户的喜好生成ISP的参数。主要的贡献点有：
首创可控ISP： 提出了一个基于自编码器的可控ISP（CRISP），能够通过调整ISP的参数生成多种高质量的图像风格。
高效的插件式ISP： CRISP采用了一个高效的即插即用 ISP，仅包含19个参数，每像素所需的计算量少于100 FLOPs。
多种风格控制场景： CRISP可以通过将图像风格编码成低维特征向量，轻松控制输出图像风格，并适用于多种实用的风格调整场景。
性能优越： CRISP在图像质量（MOS, PSNR）和模型效率（计算量, 参数数量）方面均
