BriefGPT - AI 论文速递
·
增强神经高动态范围视频渲染的时间一致性曝光补全
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究介绍了一种基于学习的系统，使用深度神经网络解决低动态范围相机处理宽动态范围输入时的过曝问题。通过引入过去的参考帧作为额外输入，训练了一个决定是否将当前帧作为未来参考帧的深度神经网络。实现了高动态范围成像。
🎯
关键要点
- 该研究介绍了一种基于学习的系统，使用深度神经网络解决低动态范围相机处理宽动态范围输入时的过曝问题。
- 研究采用基于 Transformer 的深度神经网络，减少局部过曝问题，无需复杂的曝光交替或昂贵的处理。
- 使用多尺度深度神经网络和合适的代价函数进行训练，以达到现有技术水平的质量。
- 引入过去的参考帧作为额外输入，帮助重建过曝区域。
- 训练了一个深度神经网络来决定是否将当前帧作为未来参考帧，利用自动曝光中的暂时不稳定性。
- 实现了一种因果关系的潜在应用于常见视频采集环境的高动态范围幻影算法。
➡️
