训练了一个改造过的 U-Net ，把 Bayer-CFA 拍的照片转换成 Foveon X3 传感器风格的成像 —— 也就是 Sigma DP2 Merrill 那种味道（三层光电二极管堆叠传感器，每个像素都直接采集完整 RGB ，不存在去马赛克插值）。
关键的新增是一个一维「像素三层堆叠注入层」（ 1D pixel-stack injection layer ），拼接在编码器和解码器之间的 bottleneck 上，用来编码 Foveon 传感器能采到、而 Bayer 采不到的那一列 B·G·R 光电二极管堆叠结构。
训练是端到端的，配对数据来自同一场景：Bayer 相机和一台 DP2 Merrill 三脚架并排同步拍摄，单应性（ homography ）对齐之后切成 256×256 小块。损失用 L1 + VGG 感知损失 + 一个小幅 TV 平滑约束；优化器 AdamW ，余弦学习率衰减，混合精度，在单张 24 GB GPU 上训练。
训练过程中我没预料到的一个发现是：注入层的位置非常敏感。放在 bottleneck 才有效；放得再前面一点，编码器会学着直接把这个先验忽略掉；放得再后面一点，解码器已经按 demosaic 风格的色度重建走完了，再注入也来不及纠正。先验保持「一维」而不是二维这件事也很关键 —— 它强迫网络去学跨通道之间的耦合关系，而不是去硬记按区域查表的映射。
架构图、训练方法细节，以及可以直接拿自己照片来跑的 Mac App：
https://code.intellios.ai/photo
关键的新增是一个一维「像素三层堆叠注入层」（ 1D pixel-stack injection layer ），拼接在编码器和解码器之间的 bottleneck 上，用来编码 Foveon 传感器能采到、而 Bayer 采不到的那一列 B·G·R 光电二极管堆叠结构。
训练是端到端的，配对数据来自同一场景：Bayer 相机和一台 DP2 Merrill 三脚架并排同步拍摄，单应性（ homography ）对齐之后切成 256×256 小块。损失用 L1 + VGG 感知损失 + 一个小幅 TV 平滑约束；优化器 AdamW ，余弦学习率衰减，混合精度，在单张 24 GB GPU 上训练。
训练过程中我没预料到的一个发现是：注入层的位置非常敏感。放在 bottleneck 才有效；放得再前面一点，编码器会学着直接把这个先验忽略掉；放得再后面一点，解码器已经按 demosaic 风格的色度重建走完了，再注入也来不及纠正。先验保持「一维」而不是二维这件事也很关键 —— 它强迫网络去学跨通道之间的耦合关系，而不是去硬记按区域查表的映射。
架构图、训练方法细节，以及可以直接拿自己照片来跑的 Mac App：
https://code.intellios.ai/photo
Select Language