用于单图像 HDR 重建的混合损失学习
计算机视觉与模式识别
2018-12-19 v1
摘要
本文处理仅以单张低动态范围(LDR)图像为输入的高动态范围(HDR)图像重建问题。现有方法侧重于最小化目标图像与重建图像间的均方误差(MSE)，而我们最小化一个由感知损失、对抗损失以及 HDR 重建损失构成的混合损失。重建损失取代 MSE 更适于 HDR，因其对过曝与欠曝区域均赋予更大权重，使重建忠实于输入。感知损失使网络能够利用关于物体与图像结构的知识来恢复饱和及严重量化区域的强度梯度。对抗损失有助于从多个解中选出最可信的外观。结合全部三种损失的混合损失在图像强度的对数空间中计算，以使输出保留大动态范围且学习可行。与其他最先进方法开展的对比实验表明，我们的方法在图像质量上取得飞跃。
引用
@article{arxiv.1812.07134,
title = {Hybrid Loss for Learning Single-Image-based HDR Reconstruction},
author = {Kenta Moriwaki and Ryota Yoshihashi and Rei Kawakami and Shaodi You and Takeshi Naemura},
journal= {arXiv preprint arXiv:1812.07134},
year = {2018}
}
备注
20 pages, 17 figures