Apr, 2023

超越像素：一个光度校准的 HDR 数据集，用于预测亮度和色温

PDF
TL;DR介绍了一种利用光度计经过校准的高动态范围全景图数据集的方法，可用于在计算机视觉任务中更准确地估计室内场景中的像素亮度、颜色温度和照明情况。
photometryhdr imagingcolor temperaturelighting conditionscomputer vision
发现论文，激发创造
  • HDR-Plenoxels：自校准高动态范围辐射场

    本文提出了 HDR-Plenoxels，一种用于重建高动态范围 3D 辐射场的体素化方法，并且通过模拟数字相机成像管道，能够从仅有的 LDR 图像中渲染出高质量 HDR 图像，实验结果表明 HDR-Plenoxels 适用于各种不同摄像机的场景。

    Aug, 2022

  • 基于深度学习的单张户外照明估计模型

    我们提出了一种数据驱动的天空模型，利用单张图像进行室外照明估计，通过综合数据集来训练，并成功解决了光照建模和估计问题。我们的方法可以直接从测试图像中估计 HDR 照明环境映射，发现我们的学习天空模型表现出很强的适应性和表现力，能够恢复出合理的光照，实现真实的虚拟对象插入。通过广泛的验证，我们的方法优于先前的最先进技术。

    May, 2019

  • 深度户外照明估计

    本文介绍了一种基于卷积神经网络的方法来从低动态范围（LDR）图像中估算高动态范围（HDR）全景图的户外照明，通过训练网络并提取大量的输入图像与输出照明参数对，本文的方法允许恢复真实感照明条件并能从单一图像中实现逼真的虚拟物体插入。

    Nov, 2016

  • 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

  • GTA-HDR：大规模合成数据集用于 HDR 图像重建

    本文介绍了 GTA-HDR，一个大规模的合成高动态范围图像数据集，旨在解决从低动态范围图像准确重建出视觉逼真的 HDR 图像的问题，并证明了该数据集在 HDR 图像重建方法和其他计算机视觉任务上的有效性。

    Mar, 2024

  • 使用原始和 sRGB 领域的大动态数据集进行 HDR 视频重建

    本研究采用交错传感器捕捉两个曝光图像，并将它们通过融合算法转换为原始和 sRGB 颜色空间下的 HDR 图像，从而创建一个包含 85 个场景和每个场景包含 60 个帧的大规模 LDR-HDR 视频数据集，进而通过提出的基于金字塔流向引导变形卷积的 Raw-HDRNet 模型，以 LDR 图像为输入进行高清重构，该模型在真实场景下的表现比 sRGB 输入更好。

    Apr, 2023

  • Text2Light: 零样本文本驱动 HDR 全景生成

    本文中提出了一种零样本文本驱动框架 (Text2Light)，它使用自然语言对场景进行描述，并生成适用于复杂场景的 4K + 分辨率 HDR 全景图，其中使用了双重代码本来生成各种环境纹理的离散表示，并由经过预训练的 CLIP 模型驱动的全局采样器和结构感知本地采样器进行指导。同时，提出了一种 360 度图像的连续表示方法，以支持同时提高分辨率和动态范围。

    Sep, 2022

  • 学习从单张图像预测室内照明

    本文提出了一个自动方法，通过使用一个有限的视野、低动态范围的室内场景的照片来推断高动态范围的照明。通过使用深度神经网络，我们训练了一个分类器来自动注释 LDR 环境地图中光源的位置，然后利用这些注释来预测场景中光的位置，从而 fine-tune 这个网络来预测每个光源的强度，可以自动获得高质量的 HDR 照明估计结果，从而可以实现逼真的照片级结果。

    Apr, 2017

  • RawHDR：单张 RAW 图像的高动态范围图像重建

    通过将更多信息的 Raw 传感器数据与现有的 8 位 LDR sRGB 图像相结合，本文提出了一种适用于 Raw 图像的模型，通过学习曝光蒙版、双强度引导和全局空间引导等方法，实现对高动态范围场景的重建，并通过大量的 Raw/HDR 数据集进行实证评估，验证了该方法的优越性。

    Sep, 2023

  • 走向真实世界的 HDR 视频重建：一个大规模基准数据集和两阶段对齐网络

    提出了一个大规模真实世界的高动态范围（HDR）视频重建基准数据集 Real-HDRV，其中包含 500 个低动态范围（LDR）- 高动态范围（HDR）视频对，结合了全天候、室内和室外等各种场景，提出了一种使用新型的两阶段策略进行全局和局部对齐的端到端网络，实验结果表明，在真实场景中，该方法超越了之前的最先进方法。

    Apr, 2024