论文阅读笔记:Deep Chain HDRI: Reconstructing a HDR Image from a Single LDR Image

Lee, S., An, G. H., & Kang, S. J. (2018). Deep chain HDRI: Reconstructing a high dynamic range image from a single low dynamic range image. IEEE Access, 6, 49913-49924.

论文PDF: Deep chain HDRI: Reconstructing a high dynamic range image from a single low dynamic range image

摘要:

此论文提出了一种新颖的深度神经网络模型，该模型可从单个低动态范围（LDR）图像重建HDR图像。模型基于由膨胀的卷积层组成的卷积神经网络，并从同一场景的单个LDR图像推断具有各种曝光和照明的LDR图像, 然后，可以通过合并这些推断结果来形成最终的HDR图像。对于所提出的方法而言，找到相对不同比特深度(没有看懂文章中如何体现不同位深)的LDR与HDR之间的映射相对简单，这是因为链结构可推断给定LDR图像的亮（或更暗）曝光的LDR图像之间的关系。该方法不仅扩展了范围，而且具有恢复实际物理世界的光信息的优点。所提出的方法是端到端的重建过程(训练过程是分子网络并行训练)，并且能够轻松组合网络以扩展更多范围的优势。在实验结果中，与传统算法相比，该方法在性能上实现了数量和质量上的提高。

INVERSE TONE MAPPING (ITM)：逆色调映射

存在两个问题：一是从LDR到HDR的映射函数很难找到，因为范围变宽后缺少映射信息．二是如果输入图像的元数据不存在（光圈，快门，传感器灵敏度等），不可能准确估计HDR亮度，因为像素值可能会相同的对于曝光值，即使是来自不同的场景

论文主要思路：

从LDR图像生成不同曝光度的ＬＤＲ图像（６个曝光度），然后，将７个曝光度的ＬＤＲ图像融合得到ＨＤＲ图像．

生成不同曝光度ＬＤＲ图像的网络结构：

全局网络结构：

局部子网络结构：

每个子网络的损失函数：

pixel loss：

Total variation regularization：为了提高预测图像的平滑度和防止过拟合．

在合并７个曝光度图片时，使用的是 P. E. Debevec and J. Malik, ‘‘Recovering high dynamic range radiance
maps from photographs,’’ in Proc. ACM SIGGRAPH Classes, 2008, p. 31.　文献中的方法．

文章使用自己的数据：

为什么使用连式结构：

相同 scene下不同ＥＶ(曝光值)之间平均ＰＳＮＲ情况：差异是因为随着ＥＶ的变化，进入相机的光量信息改变．

图７表示曝光值越大，离输入图像空间越远，因此，随着曝光值差的增大，在改变亮度的同时恢复图像细节变得越困难．需要较深的网络结构，来推理两个图像之间的关系．通过连式结构，依次推断出ＥＶ.

论文阅读笔记:Deep Chain HDRI: Reconstructing a HDR Image from a Single LDR Image相关推荐

[论文阅读笔记]Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images
Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images(CVPR201 ...
论文阅读笔记--Deep Visual Saliency on Stereoscopic Images
文章完整信息: 标题:Deep Visual Saliency on Stereoscopic Images 作者:Anh-Duc Nguyen ; Jongyoo Kim ; Heeseok Oh ...
【论文阅读】DEEP GRAPH INFOMAX（DGI）
DEEP GRAPH INFOMAX(DGI) 摘要 1 Introduction 2 相关工作 2.1 对比方法 2.2 抽样战略 2.3 预测编码 3 DGI Methodology 3.1 基于 ...
DSSD : Deconvolutional Single Shot Detector论文阅读笔记
文章目录 DSSD : Deconvolutional Single Shot Detector论文阅读笔记2017 Abstract 1. Introduction 2. Related Work ...
DCP（Deep Closest Point）论文阅读笔记以及详析
DCP论文阅读笔记前言本文中图片仓库位于github,所以如果阅读的时候发现图片加载困难.建议挂个梯子. 作者博客:https://codefmeister.github.io/ 转载前请联系作者 ...
论文阅读笔记——VulDeePecker: A Deep Learning-Based System for Vulnerability Detection
本论文相关内容论文下载地址--Engineering Village 论文中文翻译--VulDeePecker: A Deep Learning-Based System for Vulnerabi ...
论文阅读笔记：Improving Attacks on Speck32 / 64 using Deep Learning
论文阅读笔记:Improving Attacks on Speck32 / 64 using Deep Learning 本文通过神经网络利用了减少轮数的 Speck 的差分性质.为此,作者对神经网络 ...
论文阅读笔记——A deep tree-based model for software defect prediction
本论文相关内容论文下载地址--Web Of Science 论文中文翻译--A deep tree-based model for software defect prediction 论文阅读笔记 ...
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION(VGG网络)-论文阅读笔记
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION VGG网络论文阅读笔记 //2022.4.11上午9:53开始阅 ...

论文阅读笔记:Deep Chain HDRI: Reconstructing a HDR Image from a Single LDR Image

论文阅读笔记:Deep Chain HDRI: Reconstructing a HDR Image from a Single LDR Image相关推荐

最新文章

热门文章