通过语义知识传递提升HDR图像重建
计算机视觉与模式识别
2026-01-09 v2
摘要
在SDR图像呈现明显退化和内容缺失的情况下，恢复高动态范围（HDR）图像从多个标准动态范围（SDR）图像变得具有挑战性。利用场景特定的语义先验为恢复严重退化的区域提供了有前景的解决方案。然而，这些先验通常从sRGB格式的SDR图像中提取，域/格式之间的差距在将其应用于HDR成像时提出了显著挑战。为此，我们提出了一个通过自蒸馈将SDR域的语义知识传递给现有HDR重建以提升其性能的通用框架。具体而言，本框架首先引入语义先验引导的重建模型（SPGRM），利用SDR图像的语义知识解决初始HDR重建结果中的病态问题。随后，我们利用自蒸馈机制约束颜色和内容信息以语义知识为导向，对齐基线模型和SPGRM之间的外部输出。此外，为了传递内部特征的语义知识，我们利用语义知识对齐模块（SKAM）用互补掩码填充缺失的语义内容。大量实验表明，我们的框架在不改变网络架构的前提下显著提升了现有方法在HDR成像质量方面的性能。
引用
@article{arxiv.2503.15361,
title = {Boosting HDR Image Reconstruction via Semantic Knowledge Transfer},
author = {Tao Hu and Longyao Wu and Wei Dong and Peng Wu and Jinqiu Sun and Xiaogang Xu and Qingsen Yan and Yanning Zhang},
journal= {arXiv preprint arXiv:2503.15361},
year = {2026}
}