RealRep：基于属性解缠表示学习的广义 SDR 到 HDR 转换
计算机视觉与模式识别
2026-05-18 v4
摘要
高动态范围宽色域 (HDR-WCG) 技术正变得日益普及，推动了将标准动态范围 (SDR) 内容转换为 HDR 的需求不断增长。现有方法主要依赖固定的 tone mapping 算子，难以处理实际 SDR 内容中常见的多样化外观和降质。为解决这一限制，我们提出了一个通用的 SDR 到 HDR 框架，通过学习属性解缠表示来增强鲁棒性。我们方法的核心是真实属性解缠表示学习 (RealRep)，它显式解缠了亮度和色度分量，以捕捉不同 SDR 分布中固有内容变化。此外，我们设计了一种 Luma-/Chroma aware 的负样本生成策略，通过构建降质感知对比对，有效地建模了不同 SDR 风格之间的 tone 差异。在这些属性层面的先验条件下，我们引入了降质域感知可控映射网络 (DDACMNet)，这是一个轻量级的两阶段框架，通过一种控制感知归一化机制执行自适应的分层映射。DDACMNet 通过降质条件化特征动态调制映射过程，实现了在多样化降质域之间的稳健适应。大量实验表明，RealRep 在泛化性和感知忠实的 HDR 色域重建方面 consistently 优于最先进的方法。
引用
@article{arxiv.2505.07322,
title = {RealRep: Generalized SDR-to-HDR Conversion via Attribute-Disentangled Representation Learning},
author = {Li Xu and Siqi Wang and Kepeng Xu and Gang He and Lin Zhang and Weiran Wang and Yu-Wing Tai},
journal= {arXiv preprint arXiv:2505.07322},
year = {2026}
}
备注
Published on AAAI'26(Oral): The Annual AAAI Conference on Artificial Intelligence