HDR相关知识及论文整理【个人笔记】

基本概念

HDR:High Dynamic Range,高动态范围

  • 更好的色彩,更高的动态范围和更丰富的细节。
  • 1000 nits 亮度

SDR:Standard Dynamic Range,标准动态范围

  • 亮度不超过 100nits

LDR:Low Dynamic Range,低动态范围

EV:Exposure Value,曝光值

  • 摄影中用 EV 表示亮度变化,1EV 意味着 2 倍的亮度变化

相关论文

HDR重建

HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with Large Motions(Yuzhen Niu)

  • Paper:https://arxiv.org/abs/2007.01628
  • Reading notes:
    作 者:Yuzhen Niu, Jianbin Wu, Wenxi Liu, Wenzhong Guo, Rynson W.H. Lau
    单 位:福州大学数学与计算机学院,香港城市大学计算机系
    期刊名称:暂无
    发表时间:暂无
    阅读时间:2020.08.06
研究领域(想要做什么,功能,应用或研究背景)提出一种针对巨大的物体运动的多曝光LDR图像重建HDR图像方法,用于改善相机的HDR成像性能。
针对的问题(要解决什么技术或者研究问题)传统方法是通过手工提取特征得到高质量的HDR图像,但是这种方法在物体移动的条件下很容易导致前景和后景的错位,导致模糊和伪影。最近提出的一些基于CNN的方法有着强大的重建能力,但是这些方法没法很好处理未对齐的LDR图像。本文提出一种基于GAN的HDR-GAN模型,可以在具有巨大的运动物体位移的情况下,有效地从多重曝光LDR图片中合成HDR图像。
解决方法的思路(总结基本原理,指出创新之处)文中第一次用基于GAN的方法来融合多重曝光LDR图像来重建HDR图像。在这个新颖的网络中,使用了一种基于推断的残差融合模块,用于对齐特征域的大的物体/相机移动;并使用了一种深层监督方案,用于消除重建HDR图像的伪影。同时提出一种新的loss,将原始图和重建图投影到超球面,帮助提高G网络的生成能力。
实验结果及其性能(最好量化)实验使用的数据集为Kalantari和Ramamoorthi建的HDR数据集,同时也使用了无原图的数据集。文中使用PSNR和SSIM作为评价指标。结果表明,跟其他SOTA算法相比,文中算法的主客观比较结果均为最佳,具体参照表1。
备注(其他方面值得学习或者关注的)Kalantari和Ramamoorthi建的HDR数据集HDR数据集较少,需自建;现有模型对于高清图片HDR重建还比较难消融实验值得借鉴

Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline(CVPR2020)

Event-Based High Dynamic Range Image and Very High Frame Rate Video Generation Using Conditional Generative Adversarial Networks(CVPR2019)

HDR成像

Deep Optics for Single-Shot High-Dynamic-Range Imaging(CVPR2020)

Learning Rank-1 Diffractive Optics for Single-Shot High Dynamic Range Imaging(CVPR2020)

Neuromorphic Camera Guided High Dynamic Range Imaging(CVPR2020)

参考

[1] 电视厂商都在说HDR,那HDR到底是个啥?
[2] 我们说的 HDR 也许不是一个东西
[3] 27. HDR - 高动态范围成像
码字不易,如果您觉得有帮助,欢迎点赞和收藏~~

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值