源码学习见专栏置顶~
论文作者:Qingsen Yan,Song Zhang,Weiye Chen,Hao Tang,Yu Zhu,Jinqiu Sun,Luc Van Gool,Yanning Zhang
作者单位:Northwestern Polytechnical University; Xidian University; CVL, ETH Zurich
论文链接:http://arxiv.org/abs/2304.06914v1
内容简介:
1)方向:去鬼影
2)应用:高动态范围成像
3)背景:利用深度神经网络(DNN)生成高质量的高动态范围(HDR)图像已经成为近期广泛研究的方向。然而,大多数基于DNN的方法需要大量的带有真实标签的训练数据,需要耗费大量时间和精力。Few-shot HDR成像旨在使用有限的数据生成令人满意的图像。然而,当仅在少量图像上进行训练时,现代DNN很难避免过拟合。
4)方法:本文提出一种新的半监督方法,通过两个阶段的训练实现few-shot HDR成像,称为SSHDR。与以往的方法不同,直接同时恢复内容和去除鬼影,这很难达到最优,首先通过自监督机制生成饱和区域的内容,然后通过迭代的半监督学习框架解决鬼影问题。具体来说,考虑到饱和区域可以被视为掩蔽低动态范围(LDR)输入区域,设计一个饱和掩蔽自编码器(SMAE)来学习强大的特征表示并重构非饱和HDR图像。还提出一种自适应伪标签选择策略,在第二阶段选择高质量的HDR伪标签,以避免误标记样本的影响。
5)结果:实验表明,SSHDR在不同数据集内外在定量和定性上均优于现有方法,使用少量标记样本实现了令人满意的HDR可视化。