HDR生成的潜在曝光扩散模型
计算机视觉与模式识别
2025-01-07 v2 图像与视频处理
摘要
虽然消费级显示器越来越支持超过10 stops的动态范围，但大多数图像资产（如互联网照片和生成式AI内容）仍受限于8位低动态范围（LDR），限制了其在高动态范围（HDR）应用中的实用性。目前，没有生成模型能够以通用方式生成高位宽、高动态范围内容。现有的LDR到HDR转换方法往往难以产生照片般的细节和物理上合理的动态范围。我们提出了LEDiff，一种通过潜在空间融合实现HDR内容生成的方法，灵感来自图像空间曝光融合技术。它还可作为LDR到HDR转换器使用，扩展现有低动态范围图像的动态范围。我们的方法使用小型HDR数据集，使预训练的扩散模型能够恢复被裁剪的高光和阴影区域的细节和动态范围。LEDiff为现有生成模型带来了HDR能力，并将任何LDR图像转换为HDR，为图像生成、图像基 Lighting（HDR环境图生成）以及照相效果（如景深模拟）创建具有 photorealistic 质量的HDR输出，其中线性HDR数据对于实现真实质感至关重要。
引用
@article{arxiv.2412.14456,
title = {LEDiff: Latent Exposure Diffusion for HDR Generation},
author = {Chao Wang and Zhihao Xia and Thomas Leimkuehler and Karol Myszkowski and Xuaner Zhang},
journal= {arXiv preprint arXiv:2412.14456},
year = {2025}
}