TGTM: TinyML-based Global Tone Mapping for HDR Sensors

越来越多的车辆技术采用依赖多个摄像头的高级驾驶辅助系统（ADAS）。然而，由于传统成像传感器的动态范围有限，它们在强烈照明对比条件下（例如隧道出口）难以捕捉清晰的图像。引入高动态范围（HDR）传感器可以解决这个问题。然而，通过色调映射将HDR内容转换为可显示范围的过程通常会导致计算效率低下，尤其是直接在像素数据上执行时。本文重点研究使用基于图像直方图数据的轻量级神经网络进行HDR图像色调映射。我们提出的基于TinyML的全局色调映射方法（称为TGTM）每秒可以处理9000个RGB图像，适用于任何分辨率。此外，TGTM提供了一种通用方法，可并入任何经典色调映射方法。实验结果表明，TGTM在真实的HDR相机图像上比最先进的方法表现更好，PSNR高达5.85 dB，计算量则比其少几个数量级。

本论文旨在解决传统成像传感器在强光对比度环境下无法捕捉清晰图像的问题，并提出了一种基于轻量级神经网络的全局色调映射方法。

本文提出的TGTM方法通过对图像直方图数据应用轻量级神经网络进行全局色调映射，以解决HDR图像色调映射过程中的计算效率问题。

本文提出的TGTM方法在任意分辨率的RGB图像上每秒可进行9000次FLOPS的计算，比当前领域的其他方法具有更高的PSNR，并且可以与其他传统色调映射方法结合使用。

最近的相关研究包括：'Deep High Dynamic Range Imaging of Dynamic Scenes'，'A Deep Learning Approach to Adaptive Tone Mapping'，'Deep Joint Rain Detection and Removal from a Single Image'等。