S2R-HDR：用于 HDR 融合的大规模渲染数据集
计算机视觉与模式识别
2026-02-17 v2
摘要
基于学习的高动态范围（HDR）融合的泛化性往往受限于训练数据的可用性，因为从动态场景中收集大规模 HDR 图像既昂贵又技术难以实现。为此，我们提出 S2R-HDR，首个大规模高质量合成 HDR 融合数据集，包含 24,000 份 HDR 样本。使用 Unreal Engine 5，我们设计了多样化的真实感 HDR 场景，涵盖 various 动态元素、运动类型、高动态范围场景和照明。此外，我们开发了高效的渲染管道以生成真实感 HDR 图像。为进一步减轻合成数据与真实世界数据之间的领域差距，我们引入 S2R-Adapter，一种设计以桥接此差距并提升模型泛化能力的领域适应方法。在真实世界数据集上的实验结果表明，我们的方法在 HDR 融合性能实现了最新进展。数据集和代码已提供：https://openimaginglab.github.io/S2R-HDR。
引用
@article{arxiv.2504.07667,
title = {S2R-HDR: A Large-Scale Rendered Dataset for HDR Fusion},
author = {Yujin Wang and Jiarui Wu and Yichen Bian and Fan Zhang and Tianfan Xue},
journal= {arXiv preprint arXiv:2504.07667},
year = {2026}
}
备注
Accepted by ICLR 2026. Project Page:https://openimaginglab.github.io/S2R-HDR