深度链式 HDRI：从单张低动态范围图像重建高动态范围图像
计算机视觉与模式识别
2020-06-30 v1 图像与视频处理
摘要
在本文中，我们提出一种新颖的深度神经网络模型，可从单张低动态范围（LDR）图像重建高动态范围（HDR）图像。所提模型基于由空洞卷积层组成的卷积神经网络，并从同一场景的单张 LDR 图像推断出具有不同曝光和光照的 LDR 图像。然后，可通过合并这些推断结果形成最终的 HDR 图像。由于链式结构从给定 LDR 图像推断具有更亮（或更暗）曝光的 LDR 图像之间的关系，所提方法相对容易找到具有不同位深的 LDR 与 HDR 之间的映射。该方法不仅扩展了范围，还具有恢复实际物理世界光信息的优势。对于所提方法获得的 HDR 图像，最流行的 HDR 图像评价指标 HDR-VDP2 Q 分数在 19201200 分辨率显示器上为 56.36，较传统算法分数提高了 6。此外，当比较所提与传统算法生成的色调映射 HDR 图像的峰值信噪比值时，所提算法的平均值为 30.86 dB，比传统算法高出 10 dB。
引用
@article{arxiv.1801.06277,
title = {Deep Chain HDRI: Reconstructing a High Dynamic Range Image from a Single Low Dynamic Range Image},
author = {Siyeong Lee and Gwon Hwan An and Suk-Ju Kang},
journal= {arXiv preprint arXiv:1801.06277},
year = {2020}
}
备注
10 pages