用于高效可扩展 HDR 去重影的自门控记忆循环网络
计算机视觉与模式识别
2021-12-28 v1
摘要
我们提出一种基于循环网络的新型 HDR 去重影方法，用于融合任意长度的动态序列。该方法利用卷积与循环架构生成视觉愉悦、无重影的 HDR 图像。我们引入一种新的循环单元架构，即自门控记忆(SGM)单元，其性能优于标准 LSTM 单元，同时参数量更少、运行更快。在 SGM 单元中，通过门输出乘以其自身函数来控制流经门的信息。此外，我们在双向设置中使用两个 SGM 单元以提升输出质量。所提方法在三个公开数据集上相较现有 HDR 去重影方法取得了 SOTA 性能，同时实现了融合变长输入序列的可扩展性而无需重新训练。通过大量消融实验，我们展示了所提方法中各组件的重要性。代码见 https://val.cds.iisc.ac.in/HDR/HDRRNN/index.html。
引用
@article{arxiv.2112.13050,
title = {Self-Gated Memory Recurrent Network for Efficient Scalable HDR Deghosting},
author = {K. Ram Prabhakar and Susmit Agrawal and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:2112.13050},
year = {2021}
}
备注
12 pages