.png){kind=icon}
返回
High Dynamic Range Imaging via Spatial-Frequency Interaction
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSVT.2026.3663210.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高动态范围（HDR）成像旨在通过融合多曝光低动态范围（LDR）图像来重建具有宽亮度范围的场景。在具有显著前景运动或相机抖动的动态场景中，尤其是在包括极低或极高亮度、广泛饱和和显著运动的苛刻条件下，现有方法通常会遇到鬼影伪影、空间错位和精细结构细节的退化问题。基于手工先验的传统技术难以泛化到复杂运动模式，而大多数基于深度学习的方法仅在空间域操作，限制了其捕捉全局上下文线索和恢复在频域中更好表示的高频结构的能力。为解决这些挑战，我们提出了一种具有提示精炼的双域并行融合网络（DDPF-PR），该网络联合利用空间域和频域特征以增强HDR重建。具体而言，所提出的框架包含一个双域交互模块（BDIM），该模块整合空间特征以获取局部细节和频域特征以获取全局结构，从而抑制由运动引起的鬼影伪影。此外，设计了一个提示精炼模块（PRM），通过自适应生成结构线索来恢复饱和或错位区域中的精细细节。大量实验表明，DDPF-PR在多个基准测试中始终在定性和定量评估方面优于当前最先进的方法。代码将公开可用。
Keyword:
High dynamic range
multi-exposed imaging
dual-path
prompt refinement
查看更多机构