Dec, 2016

健壮高动态范围视频合成的最大后验估计框架

PDF
TL;DR该研究提出了一种基于统计学思想的方法，通过最大后验估计对目标帧进行前景和背景优化求解，通过秩降低法得到背景估计并利用一种新颖的多尺度自适应核回归技术进行前景估计，与现有方法相比，得出高效的 HDR 视频且实验效果明显。
hdrvideo synthesiscorrespondence estimationmap estimationmultiscale adaptive kernel regression
发现论文，激发创造
  • 具有大型前景运动的深度高动态范围成像

    该研究提出了一种用于高动态范围成像的非基于流的深度框架，其中将 HDR 成像作为一种图像翻译问题，提出了一种新的算法，从而减少光学流错位、理光、动态物体和一些曝光问题带来的挑战，并与现有算法相比取得了卓越的结果。

    Nov, 2017

  • HDRFlow: 大运动实时高动态范围视频重建

    重建高动态范围（HDR）视频从交替曝光的图像序列中是具有挑战性的，提出了一种名为 HDRFlow 的鲁棒且高效的流估计器，能够实时重建 HDR 视频，通过 HDR 领域对齐损失，多尺度大内核和新的 HDR 流训练方案来处理大运动并提高性能。

    Mar, 2024

  • LAN-HDR: 基于亮度的高动态范围视频重建的对齐网络

    提出一种端到端的 HDR 视频合成框架，使用 HDR 对齐网络进行低动态范围（LDR）帧之间的运动补偿，并在特征空间中融合对齐的特征生成 HDR 帧，避免了基于像素域光流算法的流估计误差，同时通过引入时域损失来增强时序一致性。实验证明，该方法在多个基准测试上表现良好或可与最先进的方法相媲美。

    Aug, 2023

  • HDR 视频重建：一种粗到细的网络和一个现实世界基准数据集

    通过粗略的图像对齐和像素混合以及在粗略的 HDR 视频的特征空间中进行更复杂的对齐和时间融合，我们提出了一种基于深度学习的 HDR 视频重建框架，并提出了一个新的 HDR 视频重建数据集和一些优化方法。

    Mar, 2021

  • 高动态范围成像技术在饱和补偿下对动态场景的应用

    本文提出了一种新方法，通过将运动对准问题重新制定为简单的亮度调整问题来生成对齐的多曝光特征，并采用粗糙到精细的合并策略和显式饱和度补偿来恢复饱和区域，其中使用自适应的上下文关注重建饱和区域，实验证明我们的方法在定性和定量评估方面优于现有的最先进方法。

    Aug, 2023

  • 混合事件相机的异步卡尔曼滤波器

    本文提出了一种基于事件相机的高动态范围视频重建方法，该方法包括模糊去除、时间插值、异步 Kalman 滤波等步骤，可以较好地处理 HDR 视频，实验结果验证了本方法的优越性。

    Dec, 2020

  • 从户外全景图中学习高动态范围

    本研究提出了一种基于学习的逆色调映射方法，利用深度自动编码器从非线性、饱和、低动态范围全景图中回归出线性的高动态范围数据，以验证该方法在捕获户外环境映射和图像匹配等方面的实用性。

    Mar, 2017

  • 多传感器 HDR 视频重建的统一框架

    该论文提出了一种基于多传感器的摄像机系统，旨在直接从原始传感器数据进行 HDR 组装的统一方法，其中包括适用于 HDR 视频的相机噪声模型和基于拟合局部多项式逼近观察到的传感器数据的空间自适应 HDR 重构算法。

    Aug, 2013

  • 动态场景的高动态范围成像

    通过自我监督学习策略，提出了一种面向自然动态场景的基于事件的高动态范围成像（HDRI）框架（Self-EHDRI），其中融合了 HDRI 性能和动态模糊补偿，实现了中间锐利 HDR 结果的恢复。实验结果表明，该方法在实时、动态场景下性能优于现有方法。

    Apr, 2024

  • 时空一致的室内 HDR 照明估计

    该研究提出了一种物理动机的深度学习框架，可以解决室内光照估计的问题，通过 SGLV、体积光线跟踪、混合网络、 Monte-Carlo 渲染层和 RNN 等多种技术手段，其可以在单张图片或视频序列上预测整个场景下的光照，达到高质量、实时、高度真实感的场景光照预测和增强渲染。

    May, 2023