用于高动态范围图像重建的两阶段深度网络
计算机视觉与模式识别
2021-04-20 v1
摘要
将单曝光低动态范围(LDR)图像映射为高动态范围(HDR)图像因曝光相关的信息缺失而被认为是最艰巨的图像到图像翻译任务之一。本研究通过提出一种新颖的两阶段深度网络来解决单帧LDR到HDR映射的挑战。值得注意的是，我们提出的方法旨在不知晓硬件信息（包括相机响应函数(CRF)与曝光设置）的情况下重建HDR图像。因此，我们旨在第一阶段执行去噪、曝光校正等图像增强任务。此外，我们深度网络的第二阶段从凸数据集样本中学习色调映射与位深扩展。定性与定量比较表明，所提方法能以微小差异优于现有LDR到HDR工作。除此之外，我们收集了一个包含不同相机系统的LDR图像数据集。使用我们所收集的真实世界LDR图像的评估表明，所提方法能重建出合理的HDR图像且不呈现任何视觉伪影。代码可用：https://github.com/sharif-apu/twostageHDR_NTIRE21。
引用
@article{arxiv.2104.09386,
title = {A Two-stage Deep Network for High Dynamic Range Image Reconstruction},
author = {SMA Sharif and Rizwan Ali Naqvi and Mithun Biswas and Kim Sungjun},
journal= {arXiv preprint arXiv:2104.09386},
year = {2021}
}