FlexHDR: Modelling Alignment and Exposure Uncertainties for Flexible HDR Imaging

要約

ハイダイナミックレンジ（HDR）画像は、現代のデジタル写真のパイプラインにおいて基本的に重要であり、画像全体の照明が変化しても、十分に露光された領域を持つ高品質の写真を生成するために使用されます。これは、通常、異なる露出で撮影された複数のローダイナミックレンジ（LDR）画像を合成することで実現されます。しかし、露出過多の領域や、動きの補正が不十分なために生じる位置ずれにより、ゴーストなどのアーティファクトが発生する。本論文では、アライメントと露出の不確実性を特にモデル化し、高品質なHDR結果を生成する新しいHDRイメージング技術を紹介する。我々は、HDRを意識した不確実性駆動型アテンションマップを用いて、フレームを単一の高品質なHDR画像に頑健に合成する、アライメントと露出の信頼性を共同で学習する戦略を導入する。さらに、順列不変な方法で任意の数のLDR画像を柔軟に統合できるプログレッシブな多段画像融合アプローチを導入する。実験によると、本手法は最先端のHDR画像に対して最大1.1dBのPSNR向上と、ディテール、色、アーティファクトの減少という主観的な改善により、より高品質のHDR画像を生成できることが分かりました。

要約(オリジナル)

High dynamic range (HDR) imaging is of fundamental importance in modern digital photography pipelines and used to produce a high-quality photograph with well exposed regions despite varying illumination across the image. This is typically achieved by merging multiple low dynamic range (LDR) images taken at different exposures. However, over-exposed regions and misalignment errors due to poorly compensated motion result in artefacts such as ghosting. In this paper, we present a new HDR imaging technique that specifically models alignment and exposure uncertainties to produce high quality HDR results. We introduce a strategy that learns to jointly align and assess the alignment and exposure reliability using an HDR-aware, uncertainty-driven attention map that robustly merges the frames into a single high quality HDR image. Further, we introduce a progressive, multi-stage image fusion approach that can flexibly merge any number of LDR images in a permutation-invariant manner. Experimental results show our method can produce better quality HDR images with up to 1.1dB PSNR improvement to the state-of-the-art, and subjective improvements in terms of better detail, colours, and fewer artefacts.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL