通过学习逆转相机流水线实现单图像HDR重建
图像与视频处理
2020-04-03 v1 计算机视觉与模式识别
摘要
从单张低动态范围（LDR）输入图像恢复高动态范围（HDR）图像具有挑战性，原因在于相机传感器的量化和饱和导致欠曝/过曝区域细节缺失。与现有基于学习的方法不同，我们的核心思想是将LDR图像形成流水线的领域知识融入模型。我们将HDR到LDR图像形成流水线建模为（1）动态范围裁剪、（2）来自相机响应函数的非线性映射以及（3）量化。接着我们提出学习三个专门的CNN来逆转这些步骤。通过将问题分解为特定子任务，我们施加有效的物理约束以 facilitar 各个子网络的训练。最后，我们端到端联合微调整个模型以减少误差累积。通过在多样化图像数据集上广泛的定量与定性实验，我们证明所提方法优于最优的单图像HDR重建算法。
引用
@article{arxiv.2004.01179,
title = {Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline},
author = {Yu-Lun Liu and Wei-Sheng Lai and Yu-Sheng Chen and Yi-Lung Kao and Ming-Hsuan Yang and Yung-Yu Chuang and Jia-Bin Huang},
journal= {arXiv preprint arXiv:2004.01179},
year = {2020}
}
备注
CVPR 2020. Project page: https://www.cmlab.csie.ntu.edu.tw/~yulunliu/SingleHDR Code: https://github.com/alex04072000/SingleHDR