原论文首页 · RGB Photo Enhancement with Deep Learning on Smartphone GPUs: Mobile AI 2026 Challenge Report

手机 RGB 后处理：跨设备增强的收益与风格偏差

输入输出均为 RGB，便于在已有 ISP 后独立试验；不同成像设备间的目标风格决定可迁移范围。

文章信息与阅读大纲

RGB Photo Enhancement with Deep Learning on Smartphone GPUs: Mobile AI 2026 Challenge Report
arXiv 2611.05024v1 · 首次提交 2026-11-03 · 当周新稿
2026.11.06 周选第 8 篇 · 拍照 · 建议重点

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

DPED 以 iPhone 3GS 与 Canon 70D 的配对照片训练增强映射。处理发生在已成像的 RGB 空间，学习目标会同时包含对比度、色彩风格和局部细节差异。

实验结果与分析

作者在两款旗舰手机 GPU 上计时，领先方案的全高清单张增强低于 300 ms。老设备到单反的映射与现代旗舰调色目标存在域差异。

冠军 DaHua-IIG 在训练时借助知识蒸馏缓解配对偏差，部署较浅的学生网络。表 1 给出 22.20 dB、主观 MOS 4.1，两款 GPU 分别为 23.8 与 60.4 ms。

研发判断与验证建议

重点依据　输入输出均为 RGB，便于在已有 ISP 后独立试验；不同成像设备间的目标风格决定可迁移范围。

准备室内混合光和不同肤色的盲评集，同时测试过饱和、局部光晕和长时间批处理功耗。