HDR-cGAN：基于条件GAN的单幅LDR到HDR图像转换
计算机视觉与模式识别
2021-10-18 v2 图像与视频处理
摘要
数字成像技术的主要目标是再现场景的真实外观。低动态范围(LDR)相机无法表征真实世界场景的宽动态范围。所捕获的图像往往过暗(欠曝光)或过亮(过曝光)。具体而言，过曝光区域的饱和使得从单幅LDR图像重建高动态范围(HDR)图像的任务具有挑战性。本文中，我们提出一种基于深度学习的方法，在重建HDR图像的同时恢复饱和区域的细节。我们将此问题表述为图像到图像(I2I)转换任务。为此，我们提出一种新颖的基于条件GAN(cGAN)的框架，在HDR-REAL和HDR-SYNTH数据集上以端到端方式训练。我们的框架利用从预训练分割模型获得的过曝光掩码，以辅助在饱和区域添加细节的幻觉任务。我们通过与多种最先进的单图像HDR重建技术进行广泛的定量与定性比较，证明了所提方法的有效性。
引用
@article{arxiv.2110.01660,
title = {HDR-cGAN: Single LDR to HDR Image Translation using Conditional GAN},
author = {Prarabdh Raipurkar and Rohil Pal and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2110.01660},
year = {2021}
}
备注
Accepted in ICVGIP 2021