FHDR：利用反馈网络从单张 LDR 图像重建 HDR 图像
计算机视觉与模式识别
2019-12-25 v1 图像与视频处理
摘要
由于深度学习的近期进展，从单曝光低动态范围（LDR）图像生成高动态范围（HDR）图像已成为可能。人们提出了多种前馈卷积神经网络（CNN）来学习 LDR 到 HDR 的表示。为了更好地利用 CNN 的能力，我们借鉴了反馈的思想，即利用循环神经网络的隐藏状态，使初始低级特征受到高级特征的引导。与传统前馈网络中单次前向传播不同，反馈网络中从 LDR 到 HDR 的重建是在多次迭代中学习的。这使我们能够创建由粗到细的表示，从而在每次迭代中实现改进的重建。相较于标准前馈网络，其优势包括早期重建能力以及以更少网络参数获得更好的重建质量。我们设计了一个稠密反馈块，并提出了一种端到端的反馈网络——FHDR，用于从单曝光 LDR 图像生成 HDR 图像。定性与定量评估显示了我们的方法相对于最先进方法的优越性。
引用
@article{arxiv.1912.11463,
title = {FHDR: HDR Image Reconstruction from a Single LDR Image using Feedback Network},
author = {Zeeshan Khan and Mukul Khanna and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:1912.11463},
year = {2019}
}
备注
2019 IEEE Global Conference on Signal and Information Processing (GlobalSIP)