GaussHDR: 通过学习统一3D与2D局部色调映射的高动态范围高斯溅射
计算机视觉与模式识别
2025-03-14 v1
摘要
高动态范围（HDR）新视角合成旨在通过利用在不同曝光水平下捕获的多视角低动态范围（LDR）图像来重建HDR场景。当前使用3D色调映射的训练范式往往导致不稳定的HDR重建，而使用2D色调映射的训练则会降低模型拟合LDR图像的能力。此外，现有方法中使用的全局色调映射器可能会阻碍HDR和LDR表示的学习。为解决这些挑战，我们提出了GaussHDR，通过3D高斯溅射统一了3D和2D局部色调映射。具体而言，我们为3D和2D色调映射设计了一个残差局部色调映射器，接受额外的上下文特征作为输入。然后我们提出在损失层面结合来自3D和2D局部色调映射的双重LDR渲染结果。最后，认识到不同场景可能在双重结果之间表现出不同的平衡，我们引入了不确定性学习，并利用不确定性进行自适应调制。大量实验表明，GaussHDR在合成和真实场景中都显著优于最先进的方法。
引用
@article{arxiv.2503.10143,
title = {GaussHDR: High Dynamic Range Gaussian Splatting via Learning Unified 3D and 2D Local Tone Mapping},
author = {Jinfeng Liu and Lingtong Kong and Bo Li and Dan Xu},
journal= {arXiv preprint arXiv:2503.10143},
year = {2025}
}
备注
This paper is accepted by CVPR 2025. Project page is available at https://liujf1226.github.io/GaussHDR