2017-SIGGRAPH Asia-Cambridge-(HDRCNN)HDR image reconstruction from a single exposure using deep CNNs

(SIGGRAPH Asia)(Cambridge)2017-Eilertsen-HDR image reconstruction from a single exposure using deep CNNs

2017-SIGGRAPH Asia-Cambridge-(HDRCNN)HDR image reconstruction from a single exposure using deep CNNs

通过有skip-connection的基于CNN的自动编解码器网络完成SDR向HDR的转换。通过CNN找出亮度饱和区域，再结合LDR图像生成HDR图像。

LDR图像通过编码网络生成图像空间内容的特征，再通过解码网络在对数域上生成HDR图像。并通过skip-connection连接编码网络和解码网络来利用高分辨率图像的细节信息进行重建。

由于已有的HDR数据集数量有限，我们利用迁移学习，先用MIT Places数据集模拟的HDR图像预训练网络的权重，再用有限的真实HDR图像训练。

传统方法在重建过曝和欠曝像素区域表现不好。

这篇文章方法能够在很多情景下生成高质量的HDR结果，恢复亮度饱和像素区域。
但没有针对性的做色域上的拓展。

数据集
最终训练：
一共找到1121 HDR图像和67 HDR视频，95图像和4个视频用于测试，其他作为训练。对于视频每10帧提取一张图像，结合静态图像，一共获得3700 HDR图像。virtual camera数据增广到125K。

统计图表：
Places 2.5M  预训练600K
Flickr 200K

OpenEXR格式

视频数据集链接：
DML-HDR database includes five videos. Each video sequence is approximately 10 secon