原论文首页 · Learned Smartphone ISP on Mobile GPUs: Mobile AI 2026 Challenge Report

手机 RAW 到 RGB：学习型 ISP 的双平台基线

同一套 RAW 到 RGB 任务在两种手机 GPU 上实测，适合用来判断哪些 ISP 模块值得学习化。

文章信息与阅读大纲

Learned Smartphone ISP on Mobile GPUs: Mobile AI 2026 Challenge Report
arXiv 2611.05008v1 · 首次提交 2026-11-03 · 当周新稿
2026.11.06 周选第 2 篇 · 拍照 · 建议精读

阅读顺序：研究问题、核心方案、实验条件、业务验证。

研究问题与核心方案

图 3 · 原论文第 5 页，点击查看原图

输入来自 IMX586 Quad Bayer 手机传感器，以富士 GFX100 拍摄的 RGB 照片作参考。训练同时涉及去马赛克、细节恢复和色调映射；跨相机配对本身也会引入对齐及色彩风格差异。

实验结果与分析

作者报告领先方案能在骁龙 8 Elite Gen 5 与天玑 9500 上以低于 100 ms 的耗时重建 5MP RGB。该计时对应给定模型与输入规模；连拍吞吐和取景预览还受缓冲、带宽及持续负载影响。

MiAlgo 以 7×7 深度卷积与 3×3 卷积分支相乘，再通过通道注意力、上采样与跳连生成 RGB。表 1 给出 PSNR 24.19 dB、MOS 4.5，骁龙与天玑 GPU 耗时分别为 16.6 和 45.4 ms。

研发判断与验证建议

精读依据　同一套 RAW 到 RGB 任务在两种手机 GPU 上实测，适合用来判断哪些 ISP 模块值得学习化。

用自有传感器拍摄高饱和灯牌、肤色和细密织物，分别记录伪色、白平衡偏移和时延。先比较基线 ISP 与局部替换，再决定是否值得整条链路学习化。