学习一种用于灵活曝光包围选择的可强化智能体
计算机视觉与模式识别
2020-05-27 v1
摘要
自动选择曝光包围（不同曝光的图像）对于利用多曝光融合获得高动态范围图像十分重要。与先前具有诸多限制（如需要相机响应函数、传感器噪声模型以及具有不同曝光的一串预览图像，在某些场景如某些移动应用中不可获取）的方法不同，我们提出了一种新颖的深度神经网络来自动选择曝光包围，名为EBSNet，其具有充分的灵活性且不具有上述限制。EBSNet被构建为一个可强化智能体，通过最大化由多曝光融合网络（MEFNet）提供的奖励进行训练。通过利用仅从单张自动曝光预览图像中提取的光照与语义信息，EBSNet可为多曝光融合选择最优曝光包围。EBSNet与MEFNet可联合训练以产生优于近期最先进方法的良好结果。为促进未来研究，我们提供了一个用于多曝光选择与融合的新基准数据集。
引用
@article{arxiv.2005.12536,
title = {Learning a Reinforced Agent for Flexible Exposure Bracketing Selection},
author = {Zhouxia Wang and Jiawei Zhang and Mude Lin and Jiong Wang and Ping Luo and Jimmy Ren},
journal= {arXiv preprint arXiv:2005.12536},
year = {2020}
}
备注
to be published in CVPR 2020