ADNet：注意力引导的可变形卷积网络用于高动态范围成像

本文提出了一种基于注意力引导的可变形卷积网络，用于手持多帧高动态范围（HDR）成像，称为ADNet。该问题面临两个难以解决的挑战：如何有效处理过曝与噪声，以及如何应对由物体运动或相机抖动引起的图像错位问题。针对前者，我们引入了一个空间注意力模块，以自适应地选择不同曝光低动态范围（LDR）图像中最具代表性的区域进行融合；针对后者，我们提出采用金字塔式、级联式与可变形（Pyramid, Cascading and Deformable, PCD）对齐模块，在特征层面实现伽马校正后图像的精准对齐。在NTIRE 2021多帧HDR挑战赛中，所提出的ADNet在性能上达到当前最优水平，取得了PSNR-$l$为39.4471、PSNR-$μ$为37.6359的优异结果。