high dynamic range imaging | BriefGPT

关键词high dynamic range imaging

搜索结果 - 10

动态场景的高动态范围成像
通过自我监督学习策略，提出了一种面向自然动态场景的基于事件的高动态范围成像（HDRI）框架（Self-EHDRI），其中融合了 HDRI 性能和动态模糊补偿，实现了中间锐利 HDR 结果的恢复。实验结果表明，该方法在实时、动态场景下性能优于
PDF3 months ago
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。
PDF5 months ago
高动态范围图像渲染的感知评估与优化
提出了一种新的高动态范围图像质量评估模型，通过逆显示模型将 HDR 图像分解成一组具有不同曝光的 LDR 图像，然后使用现有的 LDR 图像质量模型对每个曝光进行评估，并根据曝光之间的全局质量评分来获得整体质量评分。该方法在评估 LDR 图
PDF9 months ago
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
PDF10 months ago
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。
PDFa year ago
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
PDFa year ago
ECCVCEN-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 Ma
PDFa year ago
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
PDF3 years ago
CVPRADNet: 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
PDF3 years ago
多曝光图像全可微学习的 HDR 图像合成
提出了一种深度学习方法，利用不同的神经网络来实现高动态范围成像，通过显式地使用损失函数，使得网络能够更准确地进行多曝光堆栈生成，同时能够更好地处理整个高动态范围成像过程中的曝光变换任务和图像分解处理，相较于现有的算法方法具有更好的性能表现。
PDF4 years ago