HDRVideo-GAN：深度生成式 HDR 视频重建
图像与视频处理
2021-11-04 v2 计算机视觉与模式识别
摘要
高动态范围（HDR）视频比标准低动态范围（LDR）视频提供更逼真的视觉体验。尽管 HDR 成像已取得显著进展，使用常规现成相机捕获高质量 HDR 视频仍是一项挑战。现有方法完全依赖相邻 LDR 序列间的稠密光流来重建 HDR 帧。然而，当应用于带噪声帧的交替曝光时，它们会导致颜色与曝光随时间的不一致。本文中，我们提出一种基于 GAN 的端到端框架，用于从交替曝光的 LDR 序列重建 HDR 视频。我们首先用自监督设置下训练的去噪网络从带噪声的交替曝光 LDR 视频中提取干净的 LDR 帧。利用光流，我们将相邻交替曝光帧对齐到参考帧，然后在完整的对抗设置中重建高质量 HDR 帧。为进一步提升生成帧的鲁棒性与质量，我们在训练过程的目标函数中引入了基于时间稳定性的正则项以及基于内容与风格的损失。实验结果表明，我们的框架取得了最先进的性能，并相比现有方法生成了更优质量的视频 HDR 帧。
引用
@article{arxiv.2110.11795,
title = {HDRVideo-GAN: Deep Generative HDR Video Reconstruction},
author = {Mrinal Anand and Nidhin Harilal and Chandan Kumar and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2110.11795},
year = {2021}
}
备注
In Proceedings of 12th Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP-21)