摘要
近年来，随着高动态范围（HDR）显示设备的兴起，将传统低动态范围（LDR）图像转换为HDR版本的需求日益增长。这一任务成功的关键在于如何有效解决“多对多映射”问题。然而，现有方法或未能对解空间施加有效约束，或仅简单地分阶段模仿逆向相机成像流程，而未直接建模HDR图像生成过程。针对这一挑战，本文提出一种基于UNet架构的知识引导型网络——知识引导UNet（Knowledge-inspired UNet, KUNet），将LDR到HDR成像的先验知识融入网络设计中。本文从数学上形式化了LDR到HDR图像的转换过程，并将其概念性地分解为三个核心步骤：恢复缺失细节、调整成像参数以及降低成像噪声。基于此，我们设计了一种基础的知识引导模块（Knowledge-inspired Block, KIB），该模块包含三个子网络，分别对应上述三个成像过程。KIB模块以类似UNet的级联方式堆叠，以构建具备丰富全局信息的HDR图像。此外，我们还提出一种知识引导的跳跃连接结构，用以有效缓解HDR与LDR图像之间的动态范围差异。实验结果表明，所提出的KUNet在性能上显著优于当前最先进的方法。相关代码、数据集及附录材料已公开，可访问：https://github.com/wanghu178/KUNet.git。