面向逆色调映射的深度HDR信息生成
计算机视觉与模式识别
2021-06-18 v1 图形学
摘要
逆色调映射(ITM)方法试图从低动态范围(LDR)图像内容中重建高动态范围(HDR)信息。良好曝光区域的动态范围必须被扩展,且因过曝/欠曝而丢失的任何信息必须被恢复(生成)。大多数方法关注前者且相对成功,而针对后者的多数尝试质量不足,即便是基于卷积神经网络(CNN)的方法。部分工作中修复质量下降的一个主要因素是损失函数的选择。基于生成对抗网络(GAN)的工作在图像合成与LDR修复中展现出有前景的结果,表明GAN损失可改善逆色调映射结果。本工作提出一种基于GAN的方法,从LDR图像中曝光不良的区域生成缺失信息,并将其效能与多种变体进行比较。所提方法在定量上与最先进的逆色调映射方法具有竞争力,为良好曝光区域提供良好的动态范围扩展,并为饱和与欠曝区域提供合理的生成结果。本文还提出了一种面向HDR内容的基于密度的归一化方法,以及一种面向HDR生成的HDR数据增强方法。
引用
@article{arxiv.2106.09486,
title = {Deep HDR Hallucination for Inverse Tone Mapping},
author = {Demetris Marnerides and Thomas Bashford-Rogers and Kurt Debattista},
journal= {arXiv preprint arXiv:2106.09486},
year = {2021}
}