小 strokes 伐大橡树：增强多曝光图像融合的层次特征
计算机视觉与模式识别
2024-04-11 v2
摘要
近年来，深度学习网络在多曝光图像融合领域取得了显著进展。然而，现有方法通常将过曝光和欠曝光图像直接输入网络，导致源图像中固有信息的利用不足。此外，无监督技术主要采用简单的加权求和进行颜色通道处理，导致最终图像色调整体去饱和。为了部分缓解这些问题，本研究提出了一个伽马校正模块，专门用于充分利用源图像中嵌入的潜在信息。此外，引入了一个结合自注意力机制的改进 transformer 块来优化融合过程。最后，提出了一种新颖的颜色增强算法，在保留复杂细节的同时增强图像饱和度。源代码可在 https://github.com/ZhiyingDu/BHFMEF 获取。
引用
@article{arxiv.2404.06033,
title = {Little Strokes Fell Great Oaks: Boosting the Hierarchical Features for Multi-exposure Image Fusion},
author = {Pan Mu and Zhiying Du and Jinyuan Liu and Cong Bai},
journal= {arXiv preprint arXiv:2404.06033},
year = {2024}
}