UltraLED：学习在超高动态范围场景中看遍万象
计算机视觉与模式识别
2025-10-10 v1 人工智能
摘要
超高动态范围（UHDR）场景在明亮区域和暗部区域之间存在显著的曝光差异。这种条件常见于夜间场景中包含光源。即使采用标准曝光设置，常常会出现具有边界峰值的双峰强度分布，使得同时保留高光和阴影细节困难。基于RGB的分段曝光方法可通过短长曝光对捕获两端的细节，但易受错位和幽影伪影影响。我们发现，短曝光图像已经保留了足够的高光细节。UHDR重建的主要挑战在于去噪和恢复暗部区域的信息。相较于RGB图像，RAW图像由于其更高的位深和更可预测的噪声特性，更有潜力解决这一挑战。这引出一个关键问题：我们能否仅使用单个短曝光RAW图像就学习在UHDR场景中看遍万象？本研究仅依赖单个短曝光帧，该帧本质上避免了幽影和运动模糊，在动态场景中尤为稳健。为实现此目标，我们引入UltraLED框架，该框架通过比值图执行曝光校正以平衡动态范围，随后采用基于亮度感知的RAW去噪器以增强暗部区域的细节恢复。为支持此设置，我们设计了一个9 stops的分段曝光管道以合成真实的UHDR图像，并构建相应的数据集，仅使用最短曝光作为输入进行重建。广泛的实验表明，UltraLED显著优于现有单帧方法。我们的代码和数据集已公开于https://srameo.github.io/projects/ultraled。
引用
@article{arxiv.2510.07741,
title = {UltraLED: Learning to See Everything in Ultra-High Dynamic Range Scenes},
author = {Yuang Meng and Xin Jin and Lina Lei and Chun-Le Guo and Chongyi Li},
journal= {arXiv preprint arXiv:2510.07741},
year = {2025}
}