HyperAIHyperAI
vor 17 Tagen

ADNet: Auf Aufmerksamkeit gestütztes deformierbares convolutionales Netzwerk für High Dynamic Range Imaging

Zhen Liu, Wenjie Lin, Xinpeng Li, Qing Rao, Ting Jiang, Mingyan Han, Haoqiang Fan, Jian Sun, Shuaicheng Liu
ADNet: Auf Aufmerksamkeit gestütztes deformierbares convolutionales Netzwerk für High Dynamic Range Imaging
Abstract

In diesem Paper präsentieren wir ein auf Aufmerksamkeit gestütztes, deformierbares Faltungsnetzwerk für handgehaltene, mehrbildige Hochdynamikbereichs-(HDR-)Bildgebung, kurz ADNet. Dieses Problem beinhaltet zwei schwer lösbare Herausforderungen: die angemessene Behandlung von Sättigung und Rauschen sowie die Bewältigung von Fehlalignments, die durch Objektbewegungen oder Kamerajitter entstehen. Um die erste Herausforderung anzugehen, verwenden wir ein räumliches Aufmerksamkeitsmodul, das adaptiv die geeignetsten Regionen verschiedener Belichtungsstufen von Low-Dynamic-Range-(LDR-)Bildern zur Fusion auswählt. Für die zweite Herausforderung schlagen wir vor, die gamma-korrigierten Bilder auf Merkmalsebene mittels eines Pyramid, Cascading and Deformable (PCD)-Alignment-Moduls auszurichten. Das vorgeschlagene ADNet erreicht im Vergleich zu früheren Methoden einen Stand der Technik, wobei es im NTIRE 2021 Multi-Frame HDR Challenge einen PSNR-$l$ von 39,4471 und einen PSNR-$μ$ von 37,6359 erzielt.