GTA-HDR：用于HDR图像重建的大规模合成数据集
计算机视觉与模式识别
2024-03-28 v1 图形学
机器学习
多媒体
图像与视频处理
摘要
高动态范围(HDR)内容(即图像和视频)具有广泛的应用。然而，从真实场景中捕获HDR内容昂贵且耗时。因此，正在引起视觉研究社区注意的从其低动态范围(LDR)对等物重建视觉上准确HDR图像的具有挑战性的任务。一个主要挑战是缺乏数据集，这些数据集捕获了多样化的场景条件(例如照明、阴影、天气、位置、景观、物体、人类、建筑物)和各种图像特征(例如颜色、对比度、饱和度、色调、亮度、亮度、辐射度)。为此，我们在本文中引入GTA-HDR，一个来自GTA-V视频游戏的逼真HDR图像的大规模合成数据集。我们对 proposed dataset进行了彻底的评估，这表明最先进的HDR图像重建方法在定性和定量方面都有显著的改进。此外，我们展示了 proposed dataset和其对additional computer vision tasks的影响，包括3D人体姿态估计、人体部位分割和整体场景分割。该数据集、数据收集管道和评估代码均可在 https://github.com/HrishavBakulBarua/GTA-HDR 提供。
引用
@article{arxiv.2403.17837,
title = {GTA-HDR: A Large-Scale Synthetic Dataset for HDR Image Reconstruction},
author = {Hrishav Bakul Barua and Kalin Stefanov and KokSheik Wong and Abhinav Dhall and Ganesh Krishnasamy},
journal= {arXiv preprint arXiv:2403.17837},
year = {2024}
}
备注
Submitted to IEEE