超越特征映射GAP：融合真实HDRTV先验以实现卓越的SDRTV到HDRTV转换

HDR-WCG显示设备的普及凸显了将SDRTV转换为HDRTV的需求，因为大多数视频源仍为SDR。现有方法主要集中于设计神经网络以学习从SDRTV到HDRTV的单一风格映射。然而，SDRTV中有限的信息和真实转换中风格的多样性使该过程成为一个不适定问题，从而限制了这些方法的性能和泛化能力。受生成式方法启发，我们提出了一种由真实HDRTV先验引导的SDRTV到HDRTV转换新方法。尽管SDRTV信息有限，引入真实HDRTV作为参考先验显著约束了原本高维不适定问题的解空间。这种转变将任务从解决无参考预测问题转变为进行有参考选择，从而显著提高了转换过程的准确性和可靠性。具体而言，我们的方法包含两个阶段：第一阶段采用向量量化生成对抗网络捕获HDRTV先验，第二阶段将这些先验与输入SDRTV内容匹配以恢复真实的HDRTV输出。我们在公开数据集上评估了我们的方法，证明其在真实和合成数据集上均在客观和主观指标上取得显著改进。