HDRUNet: Single Image HDR Reconstruction withDenoising and Dequantization

单帧hdr。对于该文章网上有很多相关解读。这里不主要说文章内容，主要从代码执行的角度来分享。

简单看一下网络结构，是一个经典的UNet baseline的网络，对模型部署是比较友好的。

有残差，有注意力机制，有权重选择，，具体结构不分析了，并不复杂，没有bn。

模型最优效果，21年的第二名，比之前的网络更简洁效果更好，比21年的第一名只差0.00几的精度。

The proposed HDRUNet model won the second place in the single frame track of NITRE2021 High Dynamic Range Challenge. The code is available at https://github. com/chxy95/HDRUNet .

项目类似这样，作者给了预训练模型，虽然精度只有psnr-all = 30 psnr-mu=20上下。

首先是数据集，作者的意思是强烈希望我们跑他的比赛数据，这个数据可以在比赛官网找到。

找到之后，我们打开某一个文件夹下，会看到一组gt，long，mid，short，alignratio.npy，exposure.npy。这里要说的是gt是16位的png，这个没问题，然后这个alignratio.npy，这是作者提出的对齐率，说是65535/max(pic)，这里其实是比较疑惑的地方，对齐率打开发现大约的值都在20000-40000这样，那么也就是说pic max应该在2-3这样，那我只能理解为原始的.hdr格式的图像最大值是2-3左右的浮点数，这样是可以解释的，但是问题在于，我又找到了其他的单帧hdr数据集，比如台湾大学的数据，他们给到的是标准的0-1之间的hdr数据，我同样给他们转化成png16位，发现台大和比赛的数据png16位是可以对的上的，但是台大的数据的alignratio是多少我不知道该怎样确定了，我默认全部位65535，拿去训练发现效果不对，现在还在训练比赛数据，比赛数据的loss以及psnr的涨幅是符合预期的，但是台大的数据真不想浪费，最近就想思考这个alignratio到底要怎样取值，有明白的老哥可以交流一下。。

训练，#python train.py -opt options/train/train_HDRUNet.yml

执行这个yml就行，里面给定好路径，这里作者没有详细说明，其实要的都是png的图片。名字要对的上就行。

test：#python test.py -opt ./codes/options/test/test_HDRUNet.yml

通用的yml，指定路径的权重即可。。

这里有个tonemap也是需要alignratio的，这个alignratio是自动生成的、这里也是我打算仔细看一下的地方。。

等待第一版结果。。。