深度学习用于HDR成像：现状与未来趋势
图像与视频处理
2021-11-12 v3 计算机视觉与模式识别
机器学习
摘要
高动态范围(HDR)成像是一种允许广泛曝光动态范围的技术，在图像处理、计算机图形学与计算机视觉中十分重要。近年来，利用深度学习(DL)的HDR成像取得了显著进展。本研究对深度HDR成像方法的最新进展进行了全面而深入的综述与分析。我们基于(1)输入曝光的数量/域、(2)学习任务的数量、(3)新型传感器数据、(4)新型学习策略以及(5)应用，将现有深度HDR成像方法按层次和结构分为五类。重要的是，我们对每一类就其潜力与挑战给出了建设性讨论。此外，我们回顾了深度HDR成像的一些关键方面，如数据集与评价指标。最后，我们强调了一些开放问题并指出未来研究方向。
引用
@article{arxiv.2110.10394,
title = {Deep Learning for HDR Imaging: State-of-the-Art and Future Trends},
author = {Lin Wang and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2110.10394},
year = {2021}
}
备注
IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), main and suppl. material