원래 이름 기록: 人民中科（北京）智能技术有限公司

本发明涉及计算机视觉以及人工智能领域，具体为基于序列化多智能体下的ISP调参与评估方法。所述方法包括获取不同环境的原始图像，得到RAW‑RGB数据集；构建序列化多智能体强化学习模型，通过RAW‑RGB数据集对所述序列化多智能体强化学习模型进行训练，得到训练好的序列化多智能体强化学习模型；根据训练好的序列化多智能体强化学习模型对输入的RAW图像进行参数预测，得到ISP参数。以此方式，可以利用序列化多智能体架构映射ISP流水线模块，结合图像特征、梯度特征与ISP参数特征的多模态融合输入，逐模块进行序列化地进程参数优化，并采用局部与全局奖励结合的机制来指导智能体实现高质量RGB图像生成及任务驱动优化。

本发明涉及计算机视觉及人工智能领域，具体为基于分层混合网络的底层视觉颜色成像学习方法和装置。所述方法包括生成混合训练集，构建Color‑HHN模型，利用混合训练集，根据均方误差损失函数对所述Color‑HHN模型进行训练，得到底层视觉颜色增强模型；将待增强的底层视觉颜色任务图像输入所述底层视觉颜色增强模型，输出增强图像。以此方式，可以利用CLIP大模型和多任务学习统一将底层颜色任务视为改变图像颜色问题，同时采用混合网络和提示学习为不同任务提供专有特征信息，仅用单一模型结构统一底层颜色任务，同时在增加模型参数量的同时不增加计算开销，并获得更好的颜色特征表示。