Mar, 2024

CP HDR：LDR 和 HDR 图像的特征点检测和描述库

HTML
PDF
TL;DR计算机视觉中，特征点表示具有独特属性的图像区域，如角点、边缘、纹理或对比度高的区域。本研究系统地回顾了使用高动态范围（HDR）图像作为输入的图像检测和描述算法，通过比较低动态范围（LDR）和HDR图像的性能，发现使用HDR图像作为检测算法的输入可以提高性能，并且SfHDR和HfHDR算法可以增强特征点描述。
发现论文，激发创造
  • 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

  • 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

  • 使用反馈网络从单个LDR图像重建HDR图像

    该论文利用反馈神经网络设计了一种新的端到端反馈网络-FHDR，可将单曝光低动态范围图像生成高动态范围图像，并在定性和定量评估中显示出优越性。

    Dec, 2019

  • 深度学习用于HDR成像：现状与未来趋势

    该研究针对深度HDR成像方法进行了全面和深入的调查和分析。他们根据输入照片数量，学习任务数量，新型传感器数据，新型学习策略和应用程序将现有的深度HDR成像方法层次化和结构化分组为五类，并对每个类别的潜力和挑战进行了建设性讨论，评估了数据集和评估指标，最终指出了未来的研究方向。

    Oct, 2021

  • 基于上下文感知变换器的高动态范围成像

    提出了一种基于CNN和Dual Transformer的hierarchical dual Transformer方法（HDT-HDR）进行去除LDR图像中ghosts的HDR图像生成方法，该方法能够同时提取全局特征和局部特征，进行了大量实验验证其效果优于现有的HDR ghost removal方法。

    Apr, 2023

  • 基于变异系数的HDR图像特征点检测

    本文提出一种基于高动态范围图像的变异系数的特征点检测算法，该算法在低光和高光条件下均表现良好，并且在一致性度量方面优于其他算法。

    Apr, 2023

  • 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

  • 通过视觉注意模块进行高动态范围成像

    本研究论文提出了一种基于深度学习架构的新模型，该模型利用来自图像中最可见区域的信息，通过视觉注意力模块（VAM）的分割策略获取，用于生成最终的高动态范围（HDR）图像，实验结果表明，该方法在大多数最先进的算法中表现优异。

    Jul, 2023

  • 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

  • HistoHDR-Net： 单一LDR转HDR图像的直方图均衡化

    通过直方图均衡化的低动态范围图像以及自注意力引导，本文提出一种简单而有效的方法HistoHDR-Net，用于恢复HDR图像的细节（如色彩、对比度、饱和度和亮度），并通过融合的方法实现。实验证明该方法优于现有技术方法。

    Feb, 2024