DeepDuoHDR:一种低复杂度的两次曝光算法,用于在移动设备上进行HDR降级

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:

• 越来越多的消费者级高动态范围 (HDR) 成像的需求.
• 现有的HDR deghosting算法往往缺乏速度,内存效率或强度.
• 难以实现性能和计算成本之间的平衡.

研究的目的:

• 开发一个快速,高效的内存和强大的HDR deghosting算法.
• 为了利用神经网络和保守的除尘策略来改善HDR图像生成.
• 创建一个可适应各种计算约束的算法,包括移动平台.

主要方法:

• 利用了注意力机制和基于U-Net的神经表征.
• 在图像融合中采用了保守的除尘策略.
• 通过从高曝光输入中优先考虑曝光良好的区域,并以其他方式融合一致的数据来生成HDR图像.

主要成果:

• 在具有挑战性的场景中实现了HDR deghosting的最先进性能.
• 与现有方法相比,显著降低了计算复杂度.
• 使用视觉和定量评估验证的性能.
• 通过仅使用两个括号曝光来展示有效性.

结论:

• 拟议的算法为HDR deghosting提供了一个强大的和高效的解决方案.
• 其较低的计算要求使其非常适合在智能手机等资源有限的设备上部署.
• 该方法成功地平衡了图像质量和计算效率,解决了HDR成像中的一个关键挑战.