Aug, 2023

使用偏振相机进行快照高动态范围成像

PDF
TL;DR通过在偏振相机前放置线偏器，本研究提出一种简单而高效的方法将市售偏振相机转变为高性能的高动态范围相机，并通过稳健的异常值处理算法从测量中重建出一张高动态范围影像（单极性），我们通过大量的实际实验证明了方法的功效。
high dynamic rangehdr camerapolarization cameralinear polarizeroutlier-robust algorithm
发现论文，激发创造
  • 基于偏振相机的深度快照 HDR 重建

    本研究探讨了利用微型极化器技术进行高动态范围成像，通过对不同极化滤镜角度获取的多张图像进行不同曝光时间的拟合，最终提出了一种基于深度快照的 HDR 重建算法，并创建了数据集进行验证，结果表明该方法超越了现有最先进的 HDR 重建算法。

    May, 2021

  • 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

  • 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

  • 单次高动态范围成像的深度光学技术

    通过联合训练光学编码器和电子解码器，优化 PSF 参数的镜头表面，并将其作为硬件附加件添加到传统相机中，我们证明这种深度光学成像的单拍 HDR 成像方法优于纯 CNN 方法和其他 PSF 工程方法。

    Aug, 2019

  • 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

  • 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

  • 通过深度显式多项式曲线估计实现高动态范围图像重建

    提出了一种在一个网络中明确估算色调映射函数和其对应的高动态范围（HDR）图像的方法，通过使用多项式描述色调曲线的趋势并利用可学习网络估算多项式系数，实现对真实 HDR 图像的重建；同时构建了一个包含合成和真实图像的新数据集来解决现有数据集中色调映射函数和中低动态范围（LDR）图像之间的对应关系缺乏问题，并在各种色调映射函数下取得了最先进的性能。

    Jul, 2023

  • 极化成像技术在感知领域的应用

    本文中，我们分析了使用 RGB 偏振相机相比 RGB 相机在感知任务中的潜在效果，并探讨了深度神经网络的应用，研究表明，使用 RGB 偏振相机可以在双目深度估计和自由空间检测方面实现可量化的改进，同时，我们还提出了一种新的数据集，为感知算法的发展提供了支持。

    May, 2023

  • 基于堆栈的 HDR 图像成像的图像选择改进

    本文介绍了一种基于堆栈的高动态范围成像技术，通过组合不同曝光下获取的低动态范围图像来实现图像的更大动态范围。该文提出了一种自动选择获取曝光时间的方法，以实现更快和更准确的 HDR 图像的获取。作者还展示了该方法在大量基准场景下的表现优于现有方法。

    Jun, 2018

  • 使用深度卷积神经网络从单个曝光重建 HDR 图像

    本文介绍了一种基于深度学习算法的深度卷积神经网络，用于从单张曝光照片中预测 HDR 图像信息，可以在各种不同情况下重建出高分辨率、视觉上令人信服的 HDR 图像，具有广泛的应用前景。

    Oct, 2017