利用光流引导对齐与增强特征聚合改进包围曝光图像复原与增强
计算机视觉与模式识别
2024-04-17 v1
摘要
本文中，我们使用一种新颖的框架处理包围曝光图像复原与增强（BracketIRE）任务，该任务要求从一系列含噪、模糊且低动态范围（LDR）的多曝光 RAW 输入中复原出高质量的高动态范围（HDR）图像。为克服这一挑战，我们提出了 IREANet，它通过光流引导特征对齐模块（FFAM）和增强特征聚合模块（EFAM）改进了多曝光对齐与聚合。具体而言，所提出的 FFAM 引入帧间光流作为引导，以促进可变形对齐和空间注意力模块，从而实现更好的特征对齐。EFAM 进一步采用所提出的增强残差块（ERB）作为基础组件，其中单向循环网络聚合对齐后的时序特征，以更好地重建结果。为提高模型泛化能力和性能，我们还采用了拜耳保留增强（BayerAug）策略来增强多曝光 RAW 输入。我们的实验评估表明，与先前方法相比，所提出的 IREANet 展现出了最先进的性能。
引用
@article{arxiv.2404.10358,
title = {Improving Bracket Image Restoration and Enhancement with Flow-guided Alignment and Enhanced Feature Aggregation},
author = {Wenjie Lin and Zhen Liu and Chengzhi Jiang and Mingyan Han and Ting Jiang and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2404.10358},
year = {2024}
}