经典深度学习HDR工作：无鬼影高动态范围成像的注意力引导网络

最新推荐文章于 2024-09-02 02:59:52 发布
最新推荐文章于 2024-09-02 02:59:52 发布
阅读量724 收藏 26
点赞数 28
分类专栏： 3D视觉从入门到精通 文章标签： 深度学习 智能电视 人工智能
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/weixin_46788581/article/details/137185132
版权
文章提出了一种名为AHDRNet的深度学习网络，用于无鬼影高动态范围(HDR)成像。传统的HDR方法在处理大运动和饱和区域时存在重影问题，而AHDRNet通过注意力引导的融合网络，利用注意模块抑制不匹配区域，恢复细节。网络包括注意力网络和合并网络，其中注意网络识别和排除运动或饱和引起的不良特征，而合并网络使用膨胀的残差密集块(DRDBs)进行HDR图像估计。实验表明，AHDRNet在不同数据集上表现优于现有方法，尤其是在处理饱和度和运动物体时。
摘要由CSDN通过智能技术生成

作者：天涯居士 | 来源：计算机视觉工坊

在公众号「计算机视觉工坊」后台，回复「原论文」可获取论文pdf。

添加微信：dddvisiona，备注：深度学习，拉你入群。文末附行业细分群

图片

LDR图通常具有曝光过度或曝光不足的区域，不能反映出我们人眼在场景的明暗区域都能看到细节的能力，需要HDR图像来弥补这些局限性。一些专门的硬件设备可以直接产生HDR图像，但是它们通常太昂贵而不能被广泛采用。

因此，计算HDR成像方法受到越来越多的关注。虽然传统的方法在静态场景中工作非常好，但是目前的方法无法解决大运动情况下的合成图像出现伪影的情况，并且也无法处理大区域饱和导致的细节丢失。

为此，研究人员提出使用深度学习来处理HDR图像。这篇发表在CVPR2019的文章，使用Attention模块引导不同图像的融合，抑制图像的饱和和非对准区域，然后使用Merging Network进行处理，得到HDR图像。

现在看来，该方法的缺点主要是计算量太大，但是之

了解本专栏 订阅专栏 解锁全文 超级会员免费看
计算机视觉工坊
关注
  • 28
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
HDR（High Dynamic Range Imaging）在摄影中指高动态范围成像
slamer的专栏
11-22 4282
HDR（High Dynamic RangeImaging）在摄影中指高动态范围成像。国内的教程基本语焉不详，找到一篇比较详尽的国外教程翻译出来，希望对大家有帮助。^_^ 原文地址：http://photo.tutsplus.com/tutorials/hdr/how-to-shoot-and-post-process-professional-hdr-photos-in-one-day/
paper 73 ：HDR（High Dynamic Range Imaging）在摄影中指高动态范围成像
weixin_34117522的博客
05-31 287
HDR（High Dynamic Range Imaging）在摄影中指高动态范围成像。国内的教程基本语焉不详，找到一篇比较详尽的国外教程翻译出来，希望对大家有帮助。^_^原文地址：http://photo.tutsplus.com/tutorials/hdr/how-to-shoot-and-post-process-professional-hdr-photos-in-one-day/怎样在一...
超分论文解读Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data
最新发布
weixin_36520544的博客
09-02 818
本篇blog除了对论文内容进行了详实的翻译，同时对论文中的相关技术细节展开了说明和讨论，部分技术通过示例代码进行了说明。本篇论文中除了涉及了很多超分的内容外，其中数据退化等内容，更是low-level视觉任务中可以通用的知识，比如图像去噪、HDR等。本篇论文涵盖了很多基础视觉任务中通用的内容。论文地址：Real-ESRG...
ADNet: Attention-guided Deformable Convolutional Network for High DynamicRange Imaging
u013049912的博客
08-08 845
在本文中，我们提出了一种用于手持多帧高动态范围（HDR）成像的注意力引导可变形卷积网络，即 ADNet。这个问题包括两个棘手的挑战，即如何正确处理饱和度和噪声以及如何解决由物体运动或相机抖动引起的错位。为了解决前者，我们采用空间注意模块来自适应地选择各种曝光低动态范围（LDR）图像的最合适区域进行融合。对于后一种，我们建议使用金字塔、级联和可变形 (PCD) 对齐模块对齐特征级别的伽马校正图像。...
Ghost-free High Dynamic Range Imaging with Context-aware Transformer
weixin_57159421的博客
07-19 120
大量的实验证明，所提出的方法达到了最先进的性能。一方面，Transformer缺乏CNN固有的归纳偏见，因此在数据量不足的情况下进行训练时无法很好地概括，尽管HDR的可用数据集有限，因为收集大量真实的标记样本成本高昂。给定三幅输入图像，首先通过空间注意模块提取空间特征，然后将提取的粗特征嵌入到基于transformer的HDR重建网络中，生成重建的无鬼影HDR图像。•提出了一种新的视觉转换器，称为CA-ViT，它可以充分利用全局和局部图像上下文依赖关系，相比之前的同类产品显示出显著的性能改进。
自动驾驶学习3-摄像头（1）
m0_63902994的博客
05-29 2279
对于主流的新能源车企来说，120W到200W的镜头已经不再满足使用，行业开始升级到800W像素，比如说蔚来、理想。目前具备800W像素摄像头模组生产能力的厂商还比较少，比如说舜宇、联创电子等。
CVPR 2021，旷视研究院斩获 7 项竞赛冠军
旷视开发者技术社区
06-29 804
在近期举行的全球计算机视觉三大顶级会议之一 CVPR 2021 （Conference on Computer Vision and Pattern Recognition 2021，即“...
论文阅读：Ghost-free High Dynamic Range Imaging with Context-aware Transformer
z22482的博客
11-04 174
该论文提出了一种基于Transformer的HDR图像生成框架，名为HDR-Transformer。该框架通过引入窗口编码器和通道注意机制，有效解决了HDR图像生成中的幻影问题，并取得了优异的性能。论文在三个基准数据集上进行了实验，并通过消融实验验证了每个组件的有效性。实验结果表明，该方法在质量和计算成本方面都优于现有的其他方法。此外，论文还提供了开源代码，方便其他研究人员复现和使用。
车载摄像头技术、市场、发展前景
人无远虑，必有近忧
06-12 5826
我们看一看车载摄像头模组的关键参数，是不是还有几个没有阐述，比如白平衡、自动增益控制、色彩还原等等，上述摄像头描述就是主机控制，这里就有一个关键器件需要讲解一下，图像信号处理器ISP，这些活都是图像处理器ISP需要干的活。下图展示了车载系统的基本组成：黄色的箭头代表数据的传输，蓝色的箭头代表控制信号的传输。
matlab超声成像代码-HDR-US:高动态范围超声成像
06-01
高动态范围超声成像， A. Degirmenci、DP Perrin 和 RD Howe， Int J CARS（2018 年）。 （免费，仅供查看的版本：） IPCAI 2018 最佳论文奖获得者 @Article{Degirmenci2018, author="Degirmenci, Alperen and ...
一种基于深度学习的多曝光高动态范围成像方法.pdf
08-18
深度学习在多曝光高动态范围(HDR)成像领域的应用越来越广泛，特别是在解决传统HDR成像方法中的鬼影问题上。本文提出的是一种基于深度学习的特征融合深度神经网络算法，专门针对动态场景下的多曝光HDR成像。这种方法...
hdr-reconstruction.rar_ldr hdr_动态范围_图像 动态范围_高动态图像 HDR
07-14
在图像处理领域，HDR（High Dynamic Range）与LDR（Low Dynamic Range）是两个关键..."hdr-reconstruction.rar"中的工具正是为了解决这个问题，通过先进的算法将LDR图像提升到更高的动态范围，从而揭示更多的图像细节。
深度学习(二)
小泽爱刷题的博客
08-31 1155
CUDA是一种并行计算的编程模型，提供了开发者利用GPU的工具和接口，适用于各种需要并行处理的应用程序。CuDNN是一个专门的加速库，建立在CUDA的基础上，针对深度学习中的神经网络操作进行了专门的优化，从而大幅提升计算效率。两者的结合，使得深度学习和其他计算密集型任务在GPU上能够以更快的速度、更高的效率完成Dataset：继承Dataset可以让你自定义如何获取和处理数据。这在处理复杂的数据集时非常有用，例如当数据需要从多个文件加载、进行特殊的预处理或处理非标准格式的数据时。DataLoader。
Unet改进13：添加RepVGG||减少冗余计算和同时存储访问
m0_51530640的博客
08-31 340
我们提出了一种简单但功能强大的卷积神经网络结构，该结构具有类似vgg的推理时间主体，仅由3 × 3卷积和ReLU堆栈组成，而训练时间模型具有多分支拓扑结构。通过结构重参数化技术实现训练时间和推理时间结构的解耦，将模型命名为RepVGG。在ImageNet上，RepVGG达到了80%以上的top-1精度，据我们所知，这是第一次对一个普通模型。
深度学习（DL）算法分分类
m0_46171719的博客
08-28 565
深度学习（DL）算法是机器学习的一个子集，专注于使用深度神经网络（DNN）来模拟人脑的学习过程，从而解决复杂的数据处理和模式识别问题。
AI学习指南深度学习篇-长短时记忆网络python实践
俞兆鹏的博客
08-31 1449
长短时记忆网络（LSTM）是一种能够有效处理序列数据的循环神经网络。与传统的RNN相比，LSTM在解决梯度消失和梯度爆炸等问题上表现更好，使得它在自然语言处理、语音识别等领域广泛应用。TensorFlow是由Google开发的开源深度学习框架，提供了丰富的API和工具，方便进行神经网络的构建、训练和部署。
深度学习速通系列:标准化和归一化
Ven%的博客
08-28 262
也称为Z-score标准化。目的是将数据的分布转换为均值为0，标准差为1的标准正态分布。公式：其中，𝑥x 是原始数据点，𝜇μ 是数据的均值，𝜎σ 是数据的标准差。
深度学习系列73：使用rapidStructure进行版面分析
kittyzc的博客
08-28 345
项目地址https://github.com/RapidAI/RapidStructure?
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
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