计算摄影是指使用数字计算而不是光学处理的数字图像捕获和处理技术。计算摄影可以提高照相机的能力，或者引入基于胶片的摄影根本不可能的特征，或者降低照相机元件的成本或尺寸（本段来自维基百科描述）。当前深度学习算法在计算摄影领域中的研究越来越多，我们公众号一直在关注这个方向，输出了许多文章，本次做一个简单汇总。
摄像头是如何拍出照片的，摄像头又包括哪些重要组件呢？本次主要对数字成像系统进行概述总结，包括数字成像系统组成、摄像头关键部位概述、ISP概述、关于摄像头相关的技术指标概述。
为什么资深摄影师一般会采用Photoshop等软件对Raw图进行调色、降噪、构图等处理，以期获得更好的图像效果质量呢？到底什么是RAW图。本次主要详细阐述Raw图作为整个数字成像系统的输入源到底是怎样产生的，总结了工业界对于Raw的一些检测手段以及检测标准，最后从摄影学角度分析Raw图作为摄影素材的优势。
计算摄影是计算机科学与摄影艺术的交叉学科，不仅需要掌握算法，也需要扎实的摄影基础知识，才能更好地认识图像。本次主要讲的是摄影学的一些基础知识，包括焦距，光圈，快门与慢门，色温与白平衡，以及颜色的使用技巧，构图的使用技巧，用光技巧。
所谓图像美学，其实就是研究视觉感知美的度量，又可称为计算机美学，对应的英文描述包括computer aesthetics，photo aesthetics等。本次主要讲解图像美学问题与数据集，经典的美学特征与深度学习研究方案。
构图是摄影创作的基础技能，它来源于绘画，最初指绘画时根据题材和主题思想的要求，把要表现的形象适当地组织起来，构成一个协调的完整的画面。因此一种构图方法一定要能够表达作品的核心思想内容并有一定的艺术感染力，本次我们介绍构图的应用与使用深度学习来研究自动构图的方法。
另外，有很多的时候，我们需要将一个尺度的图像，放到一个尺寸不匹配的地方，比如相机拍摄的照片，放置到各种移动设备，需要特定的分辨率和长宽比，这个问题叫做image retargeting，也可以归属到构图的子分支中，是一个非常小众但有价值的方向。
一幅图像要有更好的美感，最基本的要求就是对比度分布合理，饱和度以及色调符合图像主题，本次我们从图像对比度增强和色调增强两个方面来谈论自动地美学增强问题，这一个问题被称为tone-mapping。
图像超分，就是要将低分辨率的图像恢复为高分辨率的图像，它在日常的图像和视频存储与浏览中都有广泛的应用，本次我们介绍基于深度学习的图像超分辨核心技术。
图像风格化是计算机视觉领域中的一个老问题了，图像风格迁移的重点在于迁移，它是将一幅图中的风格，迁移到另一幅图中，本次我们介绍图像风格化领域中的图像风格迁移及其背后的核心技术。
多重曝光(multiple exposure)是摄影中一种采用两次或者更多次独立曝光，然后将结果按照某种图像处理算法进行融合得到单张图片的技术，本文我们介绍常见的多重曝光方法以及技术实现。
图像修复即image inpainting，常被用于修复图像中的瑕疵，包括刮痕，空洞，遮挡等， 本次我们介绍基于深度学习的图像修复及其背后的核心技术。
动植物摄影，人像摄影中常使用浅景深来虚化背景，突出目标主体，可以大幅提升作品的艺术美感。那么如何对普通相机拍摄的照片进行后期的景深编辑呢？本次我们介绍基于深度学习的深度估计模型与数据集。
为了让大家能够彻底地掌握好计算摄影相关的算法，有三AI输出过大量的深度学习摄影图像处理相关内容，包括
(1) 书籍《深度学习之摄影图像》以及配套资料，包含了更多公众号没有涉及的内容，比如图像降噪，去模糊等方向，详细了解请阅读。
言有三新书来袭，业界首次深入全面讲解深度学习摄影图像处理
(2) 有三AI知识星球-网络结构1000变图像质量相关的板块，包括各类任务和数据集。
分享格式为数据集分享，模型细节详解和论文链接，有一些还有实战解读，案例如下：
学习资料包括：(1) 与项目配套的录制视频。(2) 与项目配套的开源资料。(3) 与项目配套的代码数据。(4) 永久有效的相关微信群。(5) 附赠有三AI知识星球社区。
