学习连续曝光值表示以实现单图像HDR重建

深度学习常用于从低动态范围（LDR）图像重建高动态范围（HDR）图像。基于LDR堆栈的方法用于单张图像的HDR重建，通过生成一个由深度学习产生的LDR堆栈来生成HDR图像。然而，当前的方法使用预设的曝光值（EVs），这可能会限制HDR重建的质量。为了解决这一问题，我们提出了连续曝光值表示（Continuous Exposure Value Representation, CEVR），该方法利用隐式函数生成具有任意EV的LDR图像，包括训练过程中未见过的EV。我们的方法生成了一个包含更多不同EV图像的连续堆栈，显著提高了HDR重建的质量。我们采用循环训练策略，在没有对应真实数据的情况下监督模型生成连续EV的LDR图像。实验结果表明，我们的CEVR模型优于现有的方法。