132、语义分割驱动的局部调优：场景感知的ISP参数自适应

132、语义分割驱动的局部调优：场景感知的ISP参数自适应

去年夏天，我在产线上盯着一台车载环视模组的调试结果，前挡风玻璃区域的天空过曝到完全丢失纹理，而车底阴影里的沥青路面细节却黑成一片。传统的全局ISP参数调优——拉高全局曝光、压低全局对比度——只会让天空更白、阴影更灰，两边都不讨好。那台模组用的是OV的2.5um大像素传感器，动态范围理论上有80dB，但全局调参就是榨不出这个潜力。后来我们团队花了三周，把语义分割网络塞进ISP pipeline，才真正解决了这个“既要又要”的难题。

为什么全局调参注定有天花板

ISP的经典pipeline里，AEC、AWB、Gamma、LTM这些模块都是对整帧图像做统一处理。你调高了全局曝光增益，亮区直接饱和；你压低了全局对比度，暗区细节沉底。这种“一刀切”的架构在均匀光照场景下还能凑合，但一旦遇到逆光、夜景、大光比这些真实世界里的常态，全局参数就是死胡同。

我见过太多团队在产线上反复调那几个全局参数，最后妥协出一个“两头都不太差”的折中方案。这不是能力问题，是架构问题。你没法用一个全局的LUT去同时服务天空和阴影，就像你不能用一件尺码的衣服去同时满足姚明和郭敬明。

语义分割：给ISP装上“区域感知”

核心思路其实很朴素：让ISP知道画面里哪块是天空、哪块是人脸、哪块是路面，然后针对不同区域施加不同的参数策略。这个“知道”的过程，就是语义分割的任务。

我们选的是轻量级的SegNet变体，MobileNetV3作为backbone，加上一个简单的AS