本次接着上次的解读围绕逆色调映射技术HDR展开,HDR技术近年来发展迅猛,在未来将会成为图像与视频领域的主流。首先欣赏一下Google Camera的HDR+技术所呈现的照片。





以HDR技术所处理的照片确实惊艳,该算法于2017年提出,慢慢已经应用于相机和手机中。下面主要围绕深度学习中的HDR技术进行综述性探讨。

HDR,即高动态范围图像,目前一般RGB图像,每个像素为8bit表示,而高动态图像每像素可能有10bit甚至12bit,显示的图像颜色可以更高的表示范围。HDR技术可以让摄影、视频和游戏展现出更多的细节、更丰富的色彩和更高的亮度,带给我们更逼真的视觉享受!

对于动态场景来说,从一组不同曝光的图像中生成高动态范围(HDR)图像是一个具有挑战性的过程。


这篇论文为Deep Reverse Tone Mapping。是用深度学习的方法来处理逆色调问题,输入一张LDR图像时,其可以输出不同曝光的图像。通过上曝光模块,得到一系列的上曝光的图像,通过下曝光模块,得到一系列的下曝光图像,最后通过融合成HDR图像。整体算法模仿一般的传统处理HDR的方式。


这篇文章为HDR image reconstruction from a single exposure using deep CNNs。是以encoder-decoder模型为HDR处理的思路,LDR图像进行encoder,得到解码的HDR图像。论文主要贡献在于:
(1)是一种混合动态范围自动编码器,专门针对LDR输入数据和HDR输出图像进行操作。它利用了HDR特有的传输学习、跳跃连接、颜色空间和损失函数
(2)它可以从任意一幅暴露的LDR图像中重建出高质量的HDR图像。


这篇论文是以GAN网络来做逆色调映射的,将LDR图像输入Generator中,产生HDR的结果,Discriminator网络用来判别。通过不断学习,从而是网络学习到一个好的HDR结果。
这几年,HDR视频需求不断增加,技术也不断进步。上述几篇文章只是本人阅读中遇到的几篇,进行了简要的分析,如果还需深入了解,继续阅读该领域论文。

SR-ITM--融合超分辨率和逆色调映射(二)相关推荐

  1. 逆色调映射论文《Deep Reverse Tone Mapping》

    读论文打发时间-- 摘要 从一张简单的LDR图像来生成HDR图像是一个不适定[1]的问题,我们需要补偿由曝光不足/过度曝光[2]和颜色量化[3]所带来的数据损失.为了解决这一问题,本文作者第一个提出使 ...

  2. 图像超分辨率重建学习记录(二)----插值法

    对于用于超分辨率重建的卷积神经网络SRCNN,唯一的预处理步骤为bicubic(双三次插值),将所给低分辨率图像构建为目标像素大小. 例如我们有一个32*32像素的图片,想将其重建为64*64像素分辨 ...

  3. sr算法matlab,超分辨率 SRCNN

    [实例简介] [实例截图] [核心代码] Matlab demo code for "Learning a Deep Convolutional Network for Image Supe ...

  4. 黄浴:基于深度学习的超分辨率图像技术发展轨迹一览

    作者 | 黄浴 转载自知乎 导读:近年来,使用深度学习技术的图像超分辨率(SR)取得了显著进步.本文中,奇点汽车自动驾驶首席科学家黄浴对基于深度学习技术的图像超分辨率技术进行了一次全面的总结,分析了这 ...

  5. ICCV 2019 | RankSRGAN:排序学习 + GAN 用于超分辨率

    本文作者:肖健  在读博士 作者学校:哈尔滨工程大学 研究方向:生成对抗网络,视频处理,目标检测. 前言 本文将对ICCV2019的Oral论文<RankSRGAN:Generative Adv ...

  6. 谷歌colab“几键”运行图像超分辨率模型-ESRGAN,操作详解

    文章目录 1. 准备工作(前提) 2.Colab常用操作 3. git clone 从github 克隆代码 4. 下载数据集(DIV2K) 5. 解压数据 6. 查看代码,运行改名rename.py ...

  7. 基于SRGAN的图像超分辨率处理

    基于SRGAN的图像超分辨率处理 相关代码 算法原理 图像超分任务 文章创新点 网络结构 生成网络: 1. 整体结构图 2. 网络细节图 判别网络 1. 整体结构图 2. 网络细节图 损失函数 con ...

  8. 【Super Resolution】超分辨率——SRCNN

    SRCNN 01 闲聊--图像的超分辨率 02 SRCNN--超分和DL的结合 02-1 双三次插值 02-2 SRCNN的网络结构 02-3 Training 训练阶段 03 EXPERIMENTS ...

  9. 【图像超分辨率】MSAN:Scene-Adaptive RS Img SR a Multiscale Attention

    MSAN:Scene-Adaptive Remote Sensing Image Super-Resolution Using a Multiscale Attention Network 摘要 I ...

最新文章

  1. ajax校验用户名可用吗,基于jQuery实现Ajax验证用户名是否可用实例
  2. 隐藏Nginx或Apache以及PHP的版本号的方法
  3. 嘿嘿,JAVA里第一次运行单元测试成功,立存
  4. (1)kendo UI使用基础介绍与问题整理——简单说明
  5. 南京市儿童医院用医保身份(医保通道)网上预约挂号以及取号、付费看病流程...
  6. nodejs操作sqlserver数据_nodejs基于mssql模块连接sqlserver数据库的简单封装操作示例...
  7. java asynctask完成_如何传递参数并从AsyncTask类中获取结果?
  8. 用原生js做单页应用
  9. linux自动加密软件开发,【天锐绿盾加密软件支持Linux_信息安全管理系统_文件自动加密_文档加密_图纸加密_网络实时监控_网络行为管理_内网安全的软件系统】免费在线试用_文档管理_选软件网...
  10. 汇编语言 XCHG指令
  11. 我要偷偷的学Python,然后惊呆所有人(最后一天)
  12. linux学习笔记(6)磁盘管理
  13. 消费品图像识别|无人新零售背后的商品识别技术
  14. android studio导入第三方库引发的问题和解决方法
  15. oracle数据库数据导入导出步骤
  16. C语言 string.h头文件
  17. 使用Javascript的跨浏览器支持的图像偏斜效果
  18. 范寶興:3分法、4分法在12階穿越界面的浪漫
  19. Python视频抽帧,视频转图片帧并保存
  20. 微信小程序的基本使用

热门文章

  1. AC_AttitudeControl_Heli.cpp的AC_PosControl::set_dt函数代码分析
  2. 关于Altium designer中45°、90°及圆弧线的切换
  3. 不小心清空了回收站怎么恢复,回收站删除的东西可以恢复吗
  4. Ae:表达式语法基础
  5. MPHY协议解读三:8b10b编码
  6. VSCode上的Git使用手记(持续更新ing...)
  7. 【线性代数】【笔记】【@汤家凤】【数一】【第二章 矩阵】
  8. 苹果发布2019款iPad mini/Air:配A12芯片支持手写笔
  9. 09 数据卷容器(实现数据同步)
  10. 机器人抓取(二)—— ROS 控制 onrobot RG2 / RG6 机械手(第二代)