用于 HDR 图像与全景图重建的亮度注意力网络
计算机视觉与模式识别
2021-09-15 v1 图像与视频处理
摘要
从低动态范围（LDR）图像重建高动态范围（HDR）图像是一个极具挑战的病态问题。本文提出一种名为 LANet 的亮度注意力网络，用于从单张 LDR 图像重建 HDR 图像。我们的方法基于两个基本观察：（1）以相对亮度存储的 HDR 图像是尺度不变的，这意味着当乘以任意正实数时，HDR 图像将保持相同的信息。基于该观察，我们提出了一种针对相对亮度存储的 HDR 图像的新型归一化方法，称为“HDR 校准”，根据 LDR 图像将 HDR 图像校准到相似的亮度尺度。（2）HDR 图像与 LDR 图像的主要差异在于欠曝/过曝区域，尤其是高亮区域。遵循该观察，我们为 LANet 提出了一个具有双流结构的亮度注意力模块，以更多地关注欠曝/过曝区域。此外，我们提出了一个扩展网络 panoLANet，用于从 LDR 全景图重建 HDR 全景图，并为 panoLANet 构建了双网络结构，以解决等距柱状全景图引起的畸变问题。大量实验表明，我们提出的方法 LANet 能够重建视觉上令人信服的 HDR 图像，并在逆色调映射的所有指标上展现出优于最先进方法的性能。基于我们提出的 panoLANet 的图像照明应用也表明，我们的方法可以仅使用 LDR 全景图来模拟自然场景光照。我们的源代码可在 https://github.com/LWT3437/LANet 获取。
引用
@article{arxiv.2109.06688,
title = {Luminance Attentive Networks for HDR Image and Panorama Reconstruction},
author = {Hanning Yu and Wentao Liu and Chengjiang Long and Bo Dong and Qin Zou and Chunxia Xiao},
journal= {arXiv preprint arXiv:2109.06688},
year = {2021}
}