UltraFusion：基于曝光融合的超高动态范围成像
计算机视觉与模式识别
2025-04-24 v4
摘要
捕捉高动态范围 (HDR) 场景是相机设计中最重要的问题之一。大多数相机使用曝光融合技术，即通过不同曝光水平捕获的图像进行融合，以增加动态范围。然而，这种方法只能处理受限曝光差异的图像，通常为 3-4 个 stops。当应用于需要大曝光差异的超高动态范围场景时，此方法常因对齐错误或输入间光照不一致，或调色映射产生制件而失败。本 work 提出了 \model，这是首个能够融合 9 个 stops 差异的曝光融合技术。其核心思想是将曝光融合建模为引导性填充问题，其中低曝光图像用作填充过曝光高光区域缺失信息的引导。通过将低曝光图像作为软引导而非硬约束，我们的模型对潜在的对齐问题或光照变化具有较强鲁棒性。此外，利用生成模型的图像先验，我们的模型还能生成自然的调色映射，即使针对极高动态范围场景也是如此。我们的方法在最新的 HDR 基准测试中优于 HDR-Transformer。此外，为测试其在超高动态范围场景中的性能，我们捕获了一个新的真实世界曝光融合基准数据集，UltraFusion 数据集，曝光差异可达 9 个 stops，实验表明 UltraFusion 能在各种场景下生成美观且高质量的融合结果。代码和数据将在 https://openimaginglab.github.io/UltraFusion 上公开。
引用
@article{arxiv.2501.11515,
title = {UltraFusion: Ultra High Dynamic Imaging using Exposure Fusion},
author = {Zixuan Chen and Yujin Wang and Xin Cai and Zhiyuan You and Zheming Lu and Fan Zhang and Shi Guo and Tianfan Xue},
journal= {arXiv preprint arXiv:2501.11515},
year = {2025}
}
备注
Accepted by CVPR 2025. Project Page: https://openimaginglab.github.io/UltraFusion