用于高动态范围图像色调映射的非配对学习
图像与视频处理
2021-11-02 v1 计算机视觉与模式识别
机器学习
摘要
高动态范围（HDR）摄影正由单反与手机相机变得日益流行与普及。尽管深度神经网络（DNN）已极大影响图像处理的其它领域，其用于HDR色调映射却因缺乏用于生成训练数据的确定意义下的真值解而受限。本文中我们描述一种新的色调映射方法，以生成最能再现原生低动态范围（LDR）图像视觉特征的LDR渲染结果为明确目标。该目标使得基于不相关的HDR与LDR图像集（二者均广泛可得且易获取）的非配对对抗训练成为可能。为在此最低要求下实现有效训练，我们引入以下新步骤与组件：(i) 估计并应用不同层级基于曲线的压缩的范围归一化预处理，(ii) 在保留输入内容的同时允许网络达成其目标的损失函数，以及 (iii) 使用更紧凑的判别器网络，旨在促进原生LDR所具有的低级属性的再现。所得网络的评估表明其能够生成照片真实且无伪影的色调映射图像，并在不同图像保真度指标与视觉距离上取得最先进性能。
引用
@article{arxiv.2111.00219,
title = {Unpaired Learning for High Dynamic Range Image Tone Mapping},
author = {Yael Vinker and Inbar Huberman-Spiegelglas and Raanan Fattal},
journal= {arXiv preprint arXiv:2111.00219},
year = {2021}
}