鲁棒高动态范围视频合成的极大后验估计框架
计算机视觉与模式识别
2017-04-05 v1
摘要
从多张低动态范围(LDR)曝光图像合成高动态范围(HDR)图像持续受到积极研究。由于潜在的成本优势，扩展到HDR视频合成是当前备受关注的话题。对于HDR视频，一个严峻的实际挑战在于视频帧间物体的准确对应估计。特别是，由不佳曝光和强度变化导致的数据丢失使得传统的光流方法极不准确。我们通过提出一种基于极大后验(MAP)估计的统计方法避免了精确的对应估计，并且在适当的统计假设以及先验和模型的选择下，将其简化为求解目标帧前景与背景的优化问题。我们通过秩最小化获得背景，并经由一种新颖的多尺度自适应核回归技术估计前景，该技术通过求解无约束优化问题隐式地捕获局部结构与时间运动。在真实与合成数据集上的大量实验结果表明，在主观与客观评估下，我们的算法比当前最先进的方法更能提供高质量的HDR视频。此外，彻底的复杂度分析揭示我们的算法比传统方法实现了更好的复杂度-性能权衡。
引用
@article{arxiv.1612.02761,
title = {A Maximum A Posteriori Estimation Framework for Robust High Dynamic Range Video Synthesis},
author = {Yuelong Li and Chul Lee and Vishal Monga},
journal= {arXiv preprint arXiv:1612.02761},
year = {2017}
}