从频率视角生成内容以实现 HDR 去鬼影
计算机视觉与模式识别
2024-04-02 v1
摘要
当低动态范围（LDR）图像出现饱和和显著运动时，从多张 LDR 图像中恢复无鬼影的高动态范围（HDR）图像变得极具挑战性。近期，Diffusion Models (DMs) 被引入 HDR 成像领域，展现出良好的性能，与以往基于 DNN 的方法相比，在获得视觉上可感知的结果方面尤为突出。然而，DMs 需要使用大模型进行大量迭代以估计整幅图像，这种低效性阻碍了其实际应用。为应对这一挑战，我们提出了用于无鬼影 HDR 成像的低频感知扩散（LF-Diff）模型。LF-Diff 的核心思想是在高度压缩的潜在空间中实现 DMs，并将其集成到基于回归的模型中以增强重建图像的细节。具体而言，由于低频信息与人类视觉感知密切相关，我们提出利用 DMs 为重建过程生成紧凑的低频先验。此外，为充分利用上述低频先验，动态 HDR 重建网络（DHRNet）以基于回归的方式获取最终的 HDR 图像。在合成和真实世界基准数据集上进行的大量实验表明，我们的 LF-Diff 优于几种 SOTA 方法，且速度比以往基于 DMs 的方法快 10 倍。
引用
@article{arxiv.2404.00849,
title = {Generating Content for HDR Deghosting from Frequency View},
author = {Tao Hu and Qingsen Yan and Yuankai Qi and Yanning Zhang},
journal= {arXiv preprint arXiv:2404.00849},
year = {2024}
}
备注
This paper is accepted by CVPR2024