关键词multi-exposure image fusion
搜索结果 - 10
- 点石成金:提升多曝光图像融合的分层特征
在多曝光图像融合领域,本研究提出了一种使用深度学习网络的新方法,通过引入伽马校正模块和改进的 Transformer 模块实现对图像的融合和色彩增强。
- 基于空间频率融合的双域多曝光图像融合网络
通过空频积分框架 (Spatial-Frequency Integration Framework) 提出了一种新颖的多曝光图像融合方法 (MEF-SFI),通过有效利用频率域的整体光照建模能力,结合空间和频率路径的深度傅里叶变换方法,以及 - MEFLUT: 多曝光图像融合的无监督一维查找表
我们介绍了一种高质量多曝光图像融合的新方法,通过编码每个曝光的融合权重到一维查找表(LUT)中,利用注意力机制提升融合质量,并通过一个包含 960 个样本的数据集训练网络,实验证明我们的方法在质量和效率上都优于现有方法。
- 混合监督双搜索:利用自动学习实现无损多曝光图像融合
本文提出了一种名为 HSDS-MEF 的用于多曝光图像融合(MEF)的双搜索混合监督的方法,通过引入双重优化搜索方案来自动设计网络结构和损失函数,实现了比竞争方案更好的表现,在一般和无参考场景中,视觉信息保真度(VIF)分别提高了 10.6 - AAAIEMEF:集成多曝光图像融合
本文提出了一种基于多个不完美的多曝光图像融合贡献者的集合框架(EMEF)以解决当前的 MEF 问题,通过在预训练阶段统一网络模仿不同的 MEF 目标,并在运行时通过优化风格代码来调整模仿者网络,进而在最新的 MEF 基准测试数据集上取得了最 - 使用光流和 PatchMatch 的手持相机输入曝光融合
提出了一种适用于手持相机拍摄的多曝光图像融合的混合合成方法,该方法结合了光流和 PatchMatch 对图像运动、失配问题进行处理,能够有效地去除模糊或幽灵伪影等缺陷并保持原有的曝光信息。实验证明,该方法在处理静态 / 动态、室内 / 室外 - MM知觉多曝光融合
本论文提出一种感知型多曝光融合技术,使用改进后的自适应曝光度度量和三维梯度进行对比度增强,具有细节丰富度高,计算成本低等优点,在图像增强领域取得了良好的实验结果。
- 多曝光图像融合算法的基准测试和比较
本文提供了一个包含 100 对图像、16 种算法和 20 种评估指标的多曝光图像融合(MEF)基准,用于实现公平和全面的性能比较以及鉴定有效算法,从而促进该领域的发展。
- 用于稳健曝光校正的双重照明估计
本文提出了一种新颖的自动曝光校正方法,核心在于双重照明估计,将欠曝光和过曝光校正分别作为输入图像和反转输入图像的明显估计。通过执行双照明估计,为输入图像获得两个中间曝光校正结果,并采用多重曝光图像融合技术自适应地混合两个中间曝光校正图像和输 - 基于场景分割的多曝光图像融合亮度调整
本文提出了一种新颖的多曝光图像融合的亮度调整方法,该方法基于亮度分布提出了两种新颖的场景分割方法。实验结果表明,该方法可以在给定不理想输入时生成高质量的图像,并且在多个评测指标上优于其他最先进的方法。