HDR image reconstruction from a single exposure using deep CNNs
http://hdrv.org/hdrcnn/
Last updated
http://hdrv.org/hdrcnn/
Last updated
Keyword: HDR reconstruction, inverse tone-mapping, deep learning, convolutional network
从一张 LDRI（低动态范围图像）生成 HDRI（高动态范围图像）。采用的方法为，对原始LDR相片进行过量曝光，获得过曝相片，再用CNN网络学习一张遮罩层，使得原始LDR相片和过曝相片通过遮罩层融合后，与HDR相片误差最小。该方法关注HDR高光区域的还原。
提出一个深度学习系统，可以对任意曝光度的单张LDR相片，还原出其HDR相片。
提出一个混合动态范围的自编码网络结构。
多方对比说明该方法得到的HDR相片具有较好的效果。
注意LDR相片中的高光部分得到还原。
通过学习alpha遮罩层，融合原始LDR相片和其过曝相片，还原HDR相片。
没有办法计算LDR曝光的真实相机参数，因此只能谨慎挑选了一个假定的曝光参数。
并没有对LDR相片的色彩进行纠正，只是关注于其高光部分的还原，这也避免了LDR色彩饱和度量化，导致还原HDR时会出现的色块问题。
有些高饱和度的色彩信息隐藏在非常小的变化范围，导致还原后的HDR图像中信息丢失明显。
