MERF:一个实用的HDR-Like图像生成器,通过多次曝光注册和融合之间的相互指导学习来实现

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 高动态范围 (HDR) 成像旨在捕捉比标准成像更广泛的光强度范围.
• 多曝光图像融合是实现HDR效果的常见技术,但通常会受到注册不准确性和融合工件的影响.
• 现有的方法在不同的暴露水平上扎着幽灵化和保存细节.

研究的目的:

• 开发一种使用相互指导学习的新型HDR类图像生成器.
• 为了提高动态多曝光图像的融合精度和质量.
• 为了解决当前方法的局限性,例如幽灵和细节丢失.

主要方法:

• 一个新的类似HDR的图像生成器,在多曝光注册和融合之间采用相互引导的学习.
• 具有暴露不变特征提取的注册网络,用于准确估计变形场.
• 一个具有渐进频率融合模块的融合网络,用于颜色校正和细节保存.
• 一个双重关注网络,整合注册和融合,减轻幽灵和增强信息交换.
• 一个类似于生成对抗网络 (GAN) 的代训练方案,用于网络的相互增强.

主要成果:

• 拟议的方法实现了有前途的动态多曝光图像融合.
• 通过减轻跨域差异,提高了注册的准确性.
• 有效的色彩校正和细节保护在低频和高频域.
• 通过双重注意力网络显著减少幽灵文物.
• 通过相互增强生成高质量的HDR类图像.

结论:

• 这种新的相互指导的学习方法显著改善了类似HDR的图像生成.
• 综合注册和融合网络的性能优于现有的最先进的方法.
• 该方法为动态多曝光图像融合提供了强大的解决方案,产生了卓越的视觉质量.