用于高动态范围成像的渐进式选择性融合网络
计算机视觉与模式识别
2021-08-20 v1
摘要
本文研究由场景的低动态范围（LDR）图像生成其高动态范围（HDR）图像的问题。近期研究采用深度学习并以端到端方式解决该问题，带来了显著的性能提升。然而，对于手持相机拍摄的动态场景的 LDR 图像，仍难以生成高质量图像，例如前景物体大幅运动导致的遮挡会引起鬼影伪影。成功的关键在于我们能在特征空间中多好地融合输入图像，我们希望在去除导致低质量图像生成因素的同时，执行 HDR 图像生成的基本计算，例如选择最佳曝光的图像/区域。我们提出一种基于两个思路的新方法以更好地融合特征。其一为多步特征融合；我们的网络在一组结构相同的块中逐步融合特征。其二是有效执行该问题所必需的两项操作（即比较并选择合适的图像/区域）的组件块设计。实验结果表明，所提方法在标准基准测试中优于以往的先进方法。
引用
@article{arxiv.2108.08585,
title = {Progressive and Selective Fusion Network for High Dynamic Range Imaging},
author = {Qian Ye and Jun Xiao and Kin-man Lam and Takayuki Okatani},
journal= {arXiv preprint arXiv:2108.08585},
year = {2021}
}