Single Image HDR Synthesis Using a Densely Connected Dilated ConvNet

A., Akhil K.; V., Jiji C.

基于密集连接扩展ConvNet的单图像HDR合成

Akhil K.A.、Jiji C.V。; IEEE/CVF计算机视觉和模式识别（CVPR）研讨会会议记录，2021年，第526-531页

摘要

使用高动态范围（HDR）图像的视觉表示因其高质量和表达能力而日益流行。HDR图像有望用于广泛的应用，包括数字电影、摄影和广播。从单个曝光低动态范围（LDR）图像生成HDR图像是一项具有挑战性的任务，必须弥补由于曝光不足或过度曝光以及颜色量化而丢失的数据。在本文中，我们提出了一种具有扩展卷积块堆栈的深度卷积神经网络（CNN）模型，用于从单个LDR图像重建HDR图像。在每个膨胀块内，卷积层的膨胀率为三，并逐渐降低至一。多个膨胀卷积块进一步紧密连接，以提高网络的表示能力。当网络以监督的方式进行训练时，从学习的特征中重建附加信息。我们的实验结果表明，该模型有效地捕获了原始图像中丢失的信息。

相关材料

[pdf格式]

[围巾]

@会议记录{A._2021_CVPR，作者＝{A.，Akhil K.和V.，Jiji C.}，title={使用紧密连接的扩张ConvNet}进行单图像HDR合成，booktitle={IEEE/CVF计算机视觉和模式识别（CVPR）研讨会会议记录}，月={6月}，年份={2021}，页数={526-531}}