论文阅读:Learning to Correct Overexposed and Underexposed Photos
需要解决的问题:
曝光误差可能是由多种因素造成的,例如TTL测光的测量误差、硬照明条件(例如,非常低的照明和背光)、场景亮度水平的剧烈变化,或用户在手动模式下的错误。
在基于相机的成像中,拍摄错误曝光的照片仍然是一个主要的错误来源。曝光问题可分为以下两类:
•(i)曝光过度,相机曝光时间过长,导致图像区域变亮和褪色;
•(ii)曝光不足,曝光时间太短,导致图像区域变暗。
论文方法:
提出了一个由粗到精的深度学习模型,用于过曝光和欠曝光的图像校正。算法:使用拉普拉斯金字塔分解来处理不同频段的输入图像,以多尺度的方式依次校正每个拉普拉斯金字塔层次,从图像中的全局颜色开始,逐步处理图像细节。数据集:通过生成一个包含24000多张不同曝光误差的图像的大型数据集来实现的。
- 提出了一个粗到细的深度神经网络(DNN)模型,该模型以端到端的方式进行训练,首先对全局颜色信息进行校正,然后对图像细节进行细化。
- 一个关键贡献是一个新的数据集,它包含了24000多张从原始RGB到sRGB的不同曝光设置的图像。我们的数据集中的