HDRUNet：具备去噪与去量化功能的单图像HDR重建
图像与视频处理
2021-06-22 v2 计算机视觉与模式识别
摘要
由于传感器限制，大多数消费级数码相机只能捕捉真实世界场景中有限的亮度范围。此外，成像过程中常引入噪声和量化误差。为获得具有优异视觉质量的高动态范围（HDR）图像，最常见的解决方案是融合不同曝光的多幅图像。然而，获取同一场景的多幅图像并非总是可行，且大多数HDR重建方法忽略了噪声与量化损失。本工作中，我们提出一种基于学习的新型方法，使用空间动态编码器-解码器网络HDRUNet，学习用于单图像HDR重建的端到端映射，并兼顾去噪与去量化。该网络由UNet风格的基础网络（充分利用分层多尺度信息）、执行特定模式调制的条件网络以及用于选择性保留信息的加权网络组成。此外，我们提出Tanh_L1损失函数以平衡过曝光值与正常曝光值对网络学习的影响。我们的方法在定量比较与视觉质量上均达到最先进（SOTA）性能。所提HDRUNet模型在NITRE2021高动态范围挑战赛单帧赛道中获得第二名。
引用
@article{arxiv.2105.13084,
title = {HDRUNet: Single Image HDR Reconstruction with Denoising and Dequantization},
author = {Xiangyu Chen and Yihao Liu and Zhengwen Zhang and Yu Qiao and Chao Dong},
journal= {arXiv preprint arXiv:2105.13084},
year = {2021}
}