MetaHDR：面向 HDR 图像重建的模型无关元学习
图像与视频处理
2021-03-24 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
捕捉高动态范围场景对于重现与人眼视觉系统所见相似的图像至关重要。尽管在数据驱动的深度学习低动态范围转高动态范围图像方法上取得了进展，现有方法受限于所有转换均由同一非线性映射支配的假设。为解决该问题，我们提出“面向 HDR 图像重建的模型无关元学习”（MetaHDR），其利用现有 HDR 数据集将元学习应用于 LDR 到 HDR 的转换问题。我们的核心创新是将 LDR 到 HDR 转换场景重新解释为从同一 LDR 到 HDR 转换任务分布中独立采样的任务。自然地，我们使用元学习框架学习一组捕获所有 LDR 到 HDR 转换任务中一致共性结构的元参数。最后，我们使用 MetaHDR 进行实验以展示其处理极具挑战性的 LDR 到 HDR 图像转换的能力。代码与预训练模型见 https://github.com/edwin-pan/MetaHDR。
引用
@article{arxiv.2103.12545,
title = {MetaHDR: Model-Agnostic Meta-Learning for HDR Image Reconstruction},
author = {Edwin Pan and Anthony Vento},
journal= {arXiv preprint arXiv:2103.12545},
year = {2021}
}
备注
7 pages, 6 figures, 2 tables