Apr, 2022

基于注意力和对齐网络的高效渐进式高动态范围图像恢复

PDF
TL;DR本文提出了一种轻量级神经网络 EAPNet，采用多维轻量级编码模块提取特征并提出了 PDUB 模块进行动态调整 MAccs 和 PSNR 的性能。此外，利用快速低功耗的对齐模块解决了 Misalignment 问题，实验结果表明，与现有方法相比，我们的方法在 MAccs 上压缩约 20 倍，并获得了 NTIRE 2022 HDR 挑战的第二名。
hdrcomputational photographyneural networkmulti-dimensional encodingfeature-alignment module
发现论文，激发创造
  • ADNet: 基于注意力引导的可变形卷积网络用于高动态范围成像

    本研究提出一种基于注意力引导的变形卷积神经网络 ADNet，用于携带多帧高动态范围（HDR）成像，解决曝光过度、噪点和物体运动或摄像头抖动导致的图像不对准等问题，ADNet 在与先前方法的比较中表现出最先进的性能，在 NTIRE 2021 多帧 HDR 挑战中实现了 39.4471 的 PSNR-l 和 37.6359 的 PSNR-μ。

    May, 2021

  • CEN-HDR：用于实时高动态范围成像的计算效率高的神经网络

    本文提出了一种基于注意力机制和子像素卷积操作的 CEN-HDR 神经网络，以及使用知识蒸馏进行网络压缩的高效训练方案，其在实现高质量获取的同时比现有解决方案更快，并可在实时约束下实际部署。在 Kalantari2017 数据集上，使用 Macbook M1 NPU 实现 33 FPS 的帧速率，得分为 43.04 mu-PSNR。

    Feb, 2023

  • 基于注意力引导的网络，用于无幽灵高动态范围成像

    提出了一种采用注意力模块引导合并 LDR 图像的高动态范围成像（AHDR）神经网络，此方法可避免光流估计误差引起的伪影问题，通过实验证明该方法能够在图像质量上达到最先进的水平。

    Apr, 2019

  • 基于像素和块级别的统一 HDR 成像方法

    使用深度神经网络、Transformer 等技术提出 HyHDRNet 网络，实现低动态范围图像转高动态范围图像的时空去影与融合，与同类算法相比，取得更优的定量和定性效果。

    Apr, 2023

  • EDPN：模糊图像复原的增强深度金字塔网络

    该研究提出了基于金字塔的两种模块，即金字塔渐进传递模块（PPT）和金字塔自我关注模块（PSA），用于模糊图像的恢复，通过充分利用降采样和压缩等多种模糊的图片的自我和跨尺度相似性来进行模糊图像的恢复。通过实验结果证明，该方法显著优于现有的模糊图像超分辨率和模糊图像去块方法。在 NTIRE 2021 图像去模糊挑战中，EDPN 在 Track 1（低分辨率）中实现了最好的 PSNR / SSIM / LPIPS 分数，在 Track 2（JPEG 伪影）中实现了最好的 SSIM / LPIPS 分数。

    May, 2021

  • ArtHDR-Net：感知逼真且准确的 HDR 内容创作

    提出了一个基于多曝光 LDR 特征的卷积神经网络架构 ArtHDR-Net，实验结果表明 ArtHDR-Net 在 HDR-VDP-2 评分（即平均意见评分指数）方面达到了最先进的性能，同时在 PSNR 和 SSIM 方面也具有竞争性能。

    Sep, 2023

  • 利用流向导对齐和增强特征聚合改进括号图像修复和增强

    通过提出的 IREANet 框架，该研究致力于解决从一系列噪声、模糊和低动态范围多曝光 RAW 输入中恢复高质量高动态范围（HDR）图像的 Bracket Image Restoration 和 Enhancement 任务。

    Apr, 2024

  • ExpandNet：一种从低动态范围内容扩展高动态范围的深度卷积神经网络

    本研究提出了一种基于深度卷积神经网络的 HDR 图像恢复方法：ExpandNet，该方法可以自动地将低动态范围（LDR）的图像转换为高动态范围（HDR）的图像，通过学习特征来重构由于量化、截取、色调映射或 gamma 校正而丢失的信息，同时通过避免上采样层来提高图像质量，在多个指标上表现良好。

    Mar, 2018

  • 从现实世界的 RAW 图像中高效重建 HDR

    本文提出了一种新的计算原始 HDR 数据形成管道并构建了第一个实际的原始 HDR 数据集 RealRaw-HDR，开发了一种轻量级高效的 HDR 模型 RepUNet，通过提出即插即用的运动对齐损失方法，解决了短曝光和长曝光图像之间的动作对齐问题，并在视觉质量和量化指标方面实现了最先进的性能。

    Jun, 2023

  • Deep Chain HDRI：从单幅低动态范围图像重建高动态范围图像

    本文提出了一种基于深度神经网络和卷积神经网络的新型算法来重建高动态范围图像，其方法相较于传统算法在可视化品质和峰值信噪比方面有较大幅度的提高。

    Jan, 2018