基于强化学习的自适应曝光策略：用于动态场景的HDR捕获

主流的高动态范围成像技术通常依赖于融合多个不同曝光设置（快门速度和ISO）捕获的图像。快门速度与ISO之间的良好平衡对于实现高质量HDR至关重要，因为高ISO值会引入显著噪声，而长快门速度可能导致明显的运动模糊。然而，现有方法常常忽略快门速度与ISO之间复杂的相互作用，未能考虑动态场景中的运动模糊效应。本文提出了AdaptiveAE，一种基于强化学习的方法，用于优化快门速度和ISO组合的选择，以在动态环境中最大化HDR重建质量。AdaptiveAE集成了包含运动模糊和噪声模拟的图像合成管道，利用语义信息和曝光直方图。它可以根据用户定义的曝光时间预算自适应选择最优的ISO和快门速度序列，并找到比传统解决方案更好的曝光计划。跨多个数据集的实验结果表明，它实现了最新的性能。