学习带生成对抗正则化器的逆色调映射网络
图像与视频处理
2018-04-23 v1
摘要
将低动态范围（LDR）图像转换为高动态范围（HDR）图像，即所谓的逆色调映射（iTM），是一种改善成像设备视觉效果的重要成像技术。本文提出一种新颖的基于深度学习的 iTM 方法，该方法学习一个带生成对抗正则化器的逆色调映射网络。在交替优化框架下，我们学习一个基于 U-Net 的 HDR 图像生成器，将输入的 LDR 图像转换为 HDR 图像，并学习一个基于简单 CNN 的判别器来区分真实 HDR 图像与生成图像。具体而言，在学习生成器时，我们联合考虑内容相关损失与生成对抗正则化器，以提升生成 HDR 图像的稳定性和鲁棒性。将学习到的生成器作为所提出的逆色调映射网络，我们一致地取得了优于当前最优（SOTA）方法的 iTM 结果。
引用
@article{arxiv.1804.07677,
title = {Learning an Inverse Tone Mapping Network with a Generative Adversarial Regularizer},
author = {Shiyu Ning and Hongteng Xu and Li Song and Rong Xie and Wenjun Zhang},
journal= {arXiv preprint arXiv:1804.07677},
year = {2018}
}