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
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