Sagiri：基于生成扩散先验的低动态范围图像增强
图像与视频处理
2024-06-14 v1 计算机视觉与模式识别
摘要
使用 8 位相机捕获高动态范围 (HDR) 场景时，常常会出现过/欠曝、细节丢失（由于低位深压缩）、颜色分布偏斜以及暗部区域噪声强等问题。传统的 LDR 图像增强方法主要关注颜色映射，通过扩展图像颜色范围和调整亮度来提升视觉表现。但这些方法难以有效恢复动态范围极端区域（即像素值接近 0 或 255 的区域）的内容。为全面解决 HDR 成像中的各种挑战并超越当前模型的局限性，本文提出一种新颖的两阶段方法。第一阶段在保持现有细节的前提下，将颜色和亮度映射到合适的范围；第二阶段则利用扩散先验生成在捕获过程中丢失的动态范围极端区域的内容。该生成性细化模块也可以作为可插拔模块，用于增强和补充现有 LDR 增强模型的性能。所提方法显著提升了 LDR 图像的质量和细节，经过严格的实验验证显示其性能卓越。项目页面地址为 https://sagiri0208.github.io。
引用
@article{arxiv.2406.09389,
title = {Sagiri: Low Dynamic Range Image Enhancement with Generative Diffusion Prior},
author = {Baiang Li and Sizhuo Ma and Yanhong Zeng and Xiaogang Xu and Youqing Fang and Zhao Zhang and Jian Wang and Kai Chen},
journal= {arXiv preprint arXiv:2406.09389},
year = {2024}
}
备注
https://sagiri0208.github.io