HDR-GAN：基于多曝光 LDR 图像且支持大运动的 HDR 图像重建
图像与视频处理
2021-04-07 v1 计算机视觉与模式识别
摘要
在动态场景中从多张低动态范围（LDR）曝光图像合成高动态范围（HDR）图像具有挑战性。前景物体的大幅运动导致两个主要问题。一是 LDR 图像之间的严重未对齐。二是由运动物体引起的过曝/欠曝区域所导致的缺失内容，这些内容可能无法通过多张 LDR 曝光轻易补偿。因此，要求 HDR 生成模型能够恰当地融合 LDR 图像并恢复缺失细节而不引入伪影。为解决这两个问题，我们在本文中提出一种新颖的基于 GAN 的模型 HDR-GAN，用于从多曝光 LDR 图像合成 HDR 图像。据我们所知，本工作是首个用于融合多曝光 LDR 图像以进行 HDR 重建的基于 GAN 的方法。通过引入对抗学习，我们的方法能够在缺失内容区域生成忠实的信息。此外，我们还提出了一种新颖的生成器网络，其包含基于参考的残差合并块用于在特征域对齐大幅物体运动，以及一种深度 HDR 监督方案用于消除重建 HDR 图像的伪影。实验结果表明，我们的模型在多样场景上相较于先前的 HDR 方法取得了最先进的重建性能。
引用
@article{arxiv.2007.01628,
title = {HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with Large Motions},
author = {Yuzhen Niu and Jianbin Wu and Wenxi Liu and Wenzhong Guo and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:2007.01628},
year = {2021}
}