基于双层不确定区域遮蔽的半监督高动态范围图像重建
计算机视觉与模式识别
2025-11-18 v1
摘要
从低动态范围 (LDR) bursts 重建高动态范围 (HDR) 图像在计算摄影中发挥着关键作用。学习基于的算法已取得显著进展，这些算法需要 LDR-HDR 图像对。然而，这些图像对难以获得，这促使研究者深入探讨注释效率高的 HDR 图像重建问题：如何在有限的 HDR 真值 (GT) 情况下获得可比性能。本工作从半监督学习的角度来解决此问题，其中教师模型为没有 GT 的 LDR 样本生成伪 HDR 真值，而学生模型则从伪真值中学习。然而，确认偏差，即学生可能从伪 HDR 真值中的人工物中学习，这构成了一个障碍。为消除此障碍，本文提出一种基于不确定性的遮蔽过程，在像素和块级别丢弃伪真值中不可靠的部分，然后学生可以在可信区域学习。通过这种新颖的遮蔽过程，我们的半监督 HDR 重建方法不仅超越了以前的注释效率算法，还能在仅使用 6.7% HDR 真值的情况下，达到最新全监督方法的可比性能。
引用
@article{arxiv.2511.12939,
title = {Semi-Supervised High Dynamic Range Image Reconstructing via Bi-Level Uncertain Area Masking},
author = {Wei Jiang and Jiahao Cui and Yizheng Wu and Zhan Peng and Zhiyu Pan and Zhiguo Cao},
journal= {arXiv preprint arXiv:2511.12939},
year = {2025}
}
备注
9 pages, 5 figures, accepted to AAAI 2026 (poster)