Semantic Aware Diffusion Inverse Tone Mapping

实际场景亮度范围比许多数字相机传感器的捕捉能力更大，导致捕捉的图像中丢失了细节，最常见的是在明亮区域中。反向调色尝试通过创建一个映射，将线性化的SDR图像中曝光良好的值提升并为剪切的内容提供亮度增强，将这些捕获的标准动态范围（SDR）图像提升到高动态范围（HDR）。然而，在大多数情况下，剪切区域中的细节无法恢复或估计。本文提出了一种新颖的反向调色方法，用于将SDR图像映射到HDR，通过基于语义感知扩散的修复方法在剪切区域中生成丢失的细节。我们的方法提出了两个主要贡献-首先，我们建议使用语义图来指导SDR扩散基于修复在饱和图像中的掩膜区域。其次，受传统HDR成像和括号方法的启发，我们提出了一种有原则的公式来将SDR修复区域提升到HDR，这与生成式修复方法兼容。结果表明，我们的方法在客观指标上展现出卓越的性能，并且主观实验表明，所提出的方法在视觉保真度方面与最先进的反向调色算子相匹配（在大多数情况下优于它们）。

论文旨在解决数字相机传感器捕捉到的标准动态范围图像中亮度范围不足的问题，提出一种新的反色调映射方法，通过语义感知扩散修复方法在饱和区域中生成丢失的细节。

该方法提出了使用语义图来引导SDR扩散修复，以及将SDR修复区域提升到HDR的方法，该方法与生成修复方法兼容。

该方法在客观指标上表现优异，主观实验表明其在视觉保真度方面优于现有的反色调映射算子。实验使用了不同的数据集，该方法还开源了代码。

最近的相关研究包括：Deep Bilateral Learning for Real-Time Image Enhancement（深度双边学习用于实时图像增强），Deep High Dynamic Range Imaging of Dynamic Scenes（动态场景的深度高动态范围成像）。