- 高动态范围图像的红外捕获
通过利用热红外传感器,结合 IR 和 SDR 图像内容的新方法 HDRTNet 在 HDR 图像获取方面取得显著改进,对比研究表明在多种不同光照条件下该方法具有鲁棒性。
- YouTube SFV+HDR 质量数据集
短视频和高动态范围在视频质量研究中带来了新的问题,我们创建了规模庞大的短视频 + 高动态范围数据集,并进行了综合分析,探讨了现有的用户生成内容质量度量方法的可靠性和改进空间。
- HDR-GS: 通过高斯投影实现高效 1000 倍速高动态范围新视角合成
使用高动态范围高斯点云模型和多层感知器(MLP)调制,建立了一种新的高动态范围高斯喷点(HDR-GS)框架,以有效渲染新的高动态范围(HDR)视图和重建低动态范围(LDR)图像,并通过两个并行可微光栅化(PDR)过程对 HDR 和 LDR - Cut-FUNQUE: 壓縮調色高動態範圍視頻的客觀質量模型
开发了一种名为 Cut-FUNQUE 的新颖高效的客观视频质量模型,能够准确预测经色调映射和压缩的 HDR 视频的视觉质量,并在大规模众包数据库上展示它达到了最先进的准确性。
- 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。
- 压缩调制高动态范围视频的主观质量评价
对现有显示器不兼容的 HDR 视频进行色调映射处理以服务于 SDR 受限的用户,通过分析合成的 15,000 个经过主观质量注释的 HDR 视频数据库对色调映射算法的视觉质量进行评估和基准测试,为 HDR 视频的色调映射和质量评估领域带来显 - CVPRHDRFlow: 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。
- 双曝光高动态范围成像中的照明估计优化
本研究探索了利用不同曝光时间捕获的图片帧中的信息,引入了从双曝光图像提取的简单特征(DEF)来指导光照估计器,在光照估计方面表现出了显著的效果。
- MMArtHDR-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。
- ICCVRawHDR: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 - 使用偏振相机进行快照高动态范围成像
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。
- 多曝光图像堆栈中曝光比率的鲁棒估计
将多曝光图像堆叠合并为高动态范围(HDR)图像需要准确的曝光时间,为了解决从相机的 EXIF 元数据提取的曝光时间不准确导致的条纹伪影问题,我们提出直接从输入图像中估计曝光比率的方法,并通过线性求解器高效地解决了该问题,同时该方法还可以在多 - 事件相机快速、鲁棒和精确的校准工具箱 E-Calib
采用非对称圆形网格标定事件相机,提供了一种新的快速,鲁棒性好,准确性高的标定工具,尤其在对焦不准或光照条件恶劣的情况下表现良好,成功率、重投影误差和外参估计精度均表现优于现有方法。
- 非对齐高动态范围去鬼影的语义一致 Transformer 方法
本研究提出了一个新颖的基于 Semantics ConsistentTransformer(SCTNet)的无对齐网络,其中包括空间和通道注意力模块。 我们还介绍了一个新的逼真 HDR 数据集,与传统数据集相比获得了更好的性能和计算成本的权 - 视频质量评估模型的比特深度鲁棒性提升
本研究引入了一种新的特征集,称为 HDRMAX 特征,可用于视频质量评估(VQA)算法,对于 SDR 视频可能无法充分考虑的 HDR 视频的失真进行敏感化处理。 这些特征可以修改自然视频统计(NVS)模型的强先验,从而捕捉通常由现有 VQA - CVPR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。
- CVPRSMAE:饱和度感知掩膜自编码器用于 HDR 去鬼影的小样本学习
本文提出了一种半监督方法 ——SSHDR,利用饱和区域自编码器(SMAE)和迭代半监督学习框架,通过两个阶段的训练来实现小样本高动态范围成像,避免过拟合问题,并在实验中取得了优秀的成果。
- ECCV有上下文感知的 Transformer 技术的无鬼影高动态范围成像
本研究提出一种双分支的 CA-ViT 方法,通过全局支路来捕捉拍摄对象的长距离移动和渐变,局部支路使用通道注意力机制来捕捉具有信息意义的局部细节,从而实现生成真实细节的无幽灵高动态范围成像。实验结果表明,该方法在质量和计算成本上均优于最先进 - 生物启发色调映射运算符的感知优化
本文利用基于神经网络的两阶段高动态范围图像色调映射算法,根据感知优化程度,将 HDR 图像通过对比计算 Laplacian 金字塔损失度来自动生成相应的 LDR 图像堆栈,并融合生成期望的 LDR 图像,最终实现完全自动的色调映射。
- 暗光下的 NeRF:基于噪声原始图像的高动态范围视角综合
本文介绍了一种叫做 RawNeRF 的技术,它可以直接从线性原始图像中进行训练,生成高动态范围的新视角合成图像,重构低光照条件下极其嘈杂的原始图像所代表的场景。