UPHDR-GAN：基于生成对抗网络利用非配对数据的高动态范围成像
图像与视频处理
2022-07-18 v2 计算机视觉与模式识别
摘要
本文提出一种方法，可有效融合多曝光输入并利用非配对数据集生成高质量高动态范围（HDR）图像。基于深度学习的 HDR 图像生成方法严重依赖配对数据集。真值图像在生成合理的 HDR 图像中起主导作用。无真值的数据集难以用于训练深度神经网络。近来，生成对抗网络（GAN）已展现出在缺乏配对样本情况下将图像从源域 X 翻译到目标域 Y 的潜力。本文中，我们提出一种基于 GAN 的网络用于解决此类问题，同时生成令人满意的 HDR 结果，命名为 UPHDR-GAN。所提方法放宽了配对数据集的约束，并学习了从 LDR 域到 HDR 域的映射。尽管缺少配对数据，UPHDR-GAN 借助改进的 GAN 损失、改进的判别器网络以及有用的初始化阶段，能够妥善处理由运动物体或错位引起的重影伪影（ghosting artifacts）。所提方法保留了重要区域的细节并提升了整体图像感知质量。与代表性方法的定性与定量比较证明了所提 UPHDR-GAN 的优越性。
引用
@article{arxiv.2102.01850,
title = {UPHDR-GAN: Generative Adversarial Network for High Dynamic Range Imaging with Unpaired Data},
author = {Ru Li and Chuan Wang and Jue Wang and Guanghui Liu and Heng-Yu Zhang and Bing Zeng and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2102.01850},
year = {2022}
}
备注
Accepted by IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)