HDR数据集

最新推荐文章于 2023-11-05 00:32:34 发布
最新推荐文章于 2023-11-05 00:32:34 发布
阅读量1.8k 收藏 2
点赞数
分类专栏： HDR技术 文章标签： HDR
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kl1411/article/details/120673345
版权
本文整理了多个HDR(High Dynamic Range)图像数据集的来源，包括MIT 5K、PFS工具、MIT-Adobe FiveK等，涵盖了SDR到HDR的转换、不同场景和用途的HDR图片，为研究和应用提供了丰富的素材。
摘要由CSDN通过智能技术生成

MIT 5K（只相当于SDR后期）
后期SDR(lightroom的调色参数文件)：\\10.90.19.67\opt\00_shareMaterial\测试序列\3 SDR2HDR\fivek_dataset\raw_photos\fivek.lrcat

MIT5K，原始SDR(RAW)：
\\10.90.19.67\opt\00_shareMaterial\测试序列\3 SDR2HDR\fivek_dataset

=========================================================================================

PFS工具 LDR转HDR 图片
http://resources.mpi-inf.mpg.de/hdr/calibratio

了解本专栏 订阅专栏 解锁全文 超级会员免费看
WX Chen
关注
专栏目录
订阅专栏
【HDR】Deep high dynamic range imaging of dynamic scenes
专注人工智能，主攻CV
11-21 964
- 首次提出使用机器学习方法从一组包围曝光的LDR图像中重建HDR图像 - 构建了第一个适合于学习HDR重建的数据集，并详细介绍了构建方法
HDR_Dataset:HDR图像和视频数据集的集合
05-20
HDR_Dataset HDR图像和视频数据集的集合是从以下来源收集的： -stack /，stack_alignment /，stack_ghost / HDR_Toolbox -Memorial_SourceImages / Paul E. Debevec和Jitendra Malik。 从照片中恢复高动态范围辐射度贴图。 在SIGGRAPH 97中，1997年8月
HDR dataset
Lumiran的博客
05-26 1824
文章目录DatasetNTIRE 2021 HDR (2021), CVPRWHDR+ Burst Photography Dataset (2016), Google ResearchPaper with codesHDRUNet: Single Image HDR Reconstruction with Denoising and Dequantization (2021), CVPRWHDR image reconstruction from a single exposure using deep
Joint HDR Denoising and Fusion: A Real-World Mobile HDR Image Dataset
u013049912的博客
08-14 774
手机已经成为我们日常生活中无处不在、不可或缺的拍照设备，而小光圈和传感器尺寸使得手机更容易受到噪点和过饱和的影响，导致动态范围(LDR)低、画质低。因此，为手机开发高动态范围(HDR)成像技术至关重要。然而，现有的HDR图像数据集大多是在白天由DSLR相机构建的，限制了其在手机HDR成像研究中的适用性。在这项工作中，我们首次利用手机摄像头开发了一个HDR图像数据集，即Mobile-HDR数据集。具体来说，我们利用三个手机摄像头在原始图像域中收集成对的LDR-HDR图像，涵盖了不同噪声水平的白天和夜间场景。
HDR论文笔记：HDR-Transformer——Ghost-free High Dynamic Range Imaging with Context-aware Transformer
qq_50001789的博客
08-09 1007
在本文中，作者提出了一种双分支上下文感知Transformer，通过加入局部特征提取器（即引入卷积操作）来克服传统ViT在局部建模上的不足，扩展了标准的ViT模块，可以实现全局和局部上下文的同时建模。此外，基于所设计的CA-ViT模块，作者提出了用于HDR成像的HDR-Transformer网络，通过结合Transformer和CNN的优点，来有效地缓解HDR成像过程中容易产生重影的问题。
hyperspectral_image_read_HDR数据集_matlab图像_高光谱数据集_高光谱数据_高光谱数据集_
09-29
HDR数据集则意味着图像具有广泛的动态范围，能够捕捉到从暗部到亮部的精细细节，这对于分析复杂的光照条件下的场景尤其有用。 在MATLAB中，处理高光谱图像首先需要了解如何正确地读取数据。MATLAB提供了多种函数来...
Reld HDR 低分辨率车牌数据集.7z
07-13
Reld 和 HDR 数据集是由布尔诺理工大学发布，包含了低分辨率及低图像质量的车牌图像。该数据集收集于真实世界中的图像而非合成图，可被用于图像检测类研究使用，如识别低分辨率和低质量图像的车牌信息等任务。
MIT和USC行人数据集
05-11
包含MIT行人数据集和USC行人数据集 MIT数据集是较早公开的行人数据库。共924张行人图片（ppm格式，宽高为64x128），肩到脚的距离约80象素。该数据库只含正面和背面两个视角，无负样本，未区分训练集和测试集。Dalal等采用“HOG+SVM”，在该数据库上的检测准确率接近100%。 USC行人数据集包含三组数据集（USC-A、USC-B和USC-C），以XML格式提供标注信息。USC-A[Wu, 2005]的图片来自于网络，共205张图片，313个站立的行人，行人间不存在相互遮挡，拍摄角度为正面或者背面；USC-B的图片主要来自于CAVIAR视频库，包括各种视角的行人，行人之间有的相互遮挡，共54张图片，271个行人；USC-C有100张图片来自网络的图片，232个行人（多角度），行人之间无相互遮挡。
国外高清HDR全方位场景图
06-14
高清图 HDR全景图 HDR高清图 室内室外场景HDR用 可以渲染出大图的场景HDR
hdr-net 源码
10-10
HDR图像处理的深度学习方法，效果不错，值得学习，共勉
43、HDR-NeRF
小白的博客
09-17 798
HDR
低照度图像数据集
热门推荐
chaiky的博客
08-01 1万+
低照度图像数据集
HDR论文总结
weixin_57159421的博客
08-12 890
最常见的方法是使用一组CRF数据库[14]、[36]中的不同CRF函数来模拟LDR形成管道，或者使用虚拟相机根据随机选择的相机曲线来捕捉场景中的多个随机区域[10]、[38]、[47]。在[14]中，为了创建一个真实世界的单图像HDR数据集，600名业余爱好者被指示使用放置在稳定三脚架上的LDR相机拍摄多次曝光的场景。一些方法，如[33]，在编码阶段使用注意，其他方法，如[75]，在合并阶段学习相关性。●在极端成像条件下，例如在黑暗的场景中，长时间曝光通常会导致LDR图像的模糊效果。
HDRUNet: Single Image HDR Reconstruction withDenoising and Dequantization- CVPRW-2021
最新发布
wangyunqiabc的博客
11-05 145
论文摘要te按照实验要求选取了NTIRE2021中的HDRUNet论文进行阅读，此方法在NTIRE2021 HDR Challenge 单帧中获得第二名。论文摘要论文主要为了解决当前HDR的两个痛点：1.相同场景下的多曝光图像难以获取2.忽略了噪声与量化损失对HDR重建的影响为解决这两个问题，论文提出了基于学习的HDRUnet方法，包括一个Unet基础网络，一个条件网络和一个加权网络，并提出了Tanh_L1损失用于平衡过曝和正常曝光。
基于CNN的HDR重建(一 多帧的)
春秋战车
01-27 6111
这篇文章简要叙述2017-2018 几篇HDR相关的论文，尤其基于CNN的HDR。 对于动态场景来说，从一组不同曝光的图像中生成高动态范围(HDR)图像是一个具有挑战性的过程。 这个问题可以分为两个阶段:1)对齐输入的LDR图像，2)合并对齐的图像到HDR图像。 方法主要分为两类：一种直接基于LDR对齐融合，一种是先通过相机响应函数线性化这些输入图像（一般就是一个单调的非线性函数），将LDR...
论文阅读笔记--JSI-GAN: GAN-Based Joint Super-Resolution and Inverse Tone-Mapping with UHD HDR video
qq_25283239的博客
01-13 1087
Kim S Y , Oh J , Kim M . JSI-GAN: GAN-Based Joint Super-Resolution and Inverse Tone-Mapping with Pixel-Wise Task-Specific Filters for UHD HDR Video[J]. ECCV 2019. 摘要: 最近已经探索了对超分辨率（SR）和逆色调映射（ITM）的...
reld hdr 低分辨率车牌数据集
09-07
ReID HDR低分辨率车牌数据集是一种专门用于车辆识别和车牌识别算法训练和评估的数据集。它由低分辨率的高动态范围（HDR）图像组成，旨在模拟真实场景中低分辨率的车牌图像。 这个数据集可以用于训练和测试车辆识别和车牌识别算法的性能。通过对这些低分辨率车牌图像进行处理或者应用特定的算法来识别车辆和车牌的信息，可以帮助提高相关算法在实际应用中的准确性和鲁棒性。 ReID HDR低分辨率车牌数据集的特点是它的图像具有高动态范围。高动态范围图像可以包含更广泛的亮度范围，以更好地捕捉车牌细节和背景信息。通过使用这种数据集，可以更好地模拟真实场景中的各种光照条件和拍摄角度，从而提高车辆和车牌识别算法在不同环境下的鲁棒性。 与其他车辆识别和车牌识别数据集相比，ReID HDR低分辨率车牌数据集具有更高的挑战性。由于图像的低分辨率和高动态范围，车牌上的细节可能会受到模糊、失真和过曝等影响，这使得识别任务更加困难。因此，使用这个数据集可以有效地评估车辆和车牌识别算法的性能并推动相关研究的进展。 总而言之，ReID HDR低分辨率车牌数据集是一个为车辆识别和车牌识别算法提供训练和评估数据的有价值资源。通过使用这个数据集，可以更好地模拟真实场景下的车牌识别问题，提高算法在复杂环境中的准确性和鲁棒性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

WX Chen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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