基于门控 Swin Transformer 的多曝光 HDR 合成
计算机视觉与模式识别
2023-03-16 v1
摘要
融合一系列在不同曝光下拍摄且完美对齐的图像，已显示出通过动态范围有限的传感器逼近高动态范围（HDR）成像的巨大潜力。然而，在场景物体或相机存在大幅运动的情况下，错位几乎不可避免，并导致臭名昭著的“鬼影”伪影。此外，暗区噪声或过亮区色彩饱和等因素也可能无法为 HDR 图像填补局部图像细节。本文提出了一种基于 Swin Transformer 的新型多曝光融合模型。特别地，我们设计了特征选择门，并将其与特征提取层集成以检测异常值并阻止其参与 HDR 图像合成。为了由对齐良好且曝光适当的区域重建缺失的局部细节，我们利用自注意力机制在曝光空间金字塔中挖掘长距离上下文依赖。我们在多种基准数据集上进行了广泛的数值与视觉评估。实验表明，我们的模型在精度上与当前性能最优的多曝光 HDR 成像模型相当，同时具有更高的效率。
引用
@article{arxiv.2303.08704,
title = {Multi-Exposure HDR Composition by Gated Swin Transformer},
author = {Rui Zhou and Yan Niu},
journal= {arXiv preprint arXiv:2303.08704},
year = {2023}
}
备注
7 pages, 4 figures