摘要

我们提出了一种基于卷积神经网络（CNN）的技术，用于从单张低动态范围（LDR）图像中估计高动态范围（HDR）的室外光照条件。为训练该CNN，我们利用了一个大规模的室外全景图像数据集。通过对这些全景图像中的天空部分拟合一个低维的物理光照模型，我们获得了紧凑的一组光照参数（包括太阳位置、大气条件以及相机参数）。随后，从全景图像中提取出有限视场的图像，并基于这一大规模的输入图像—输出光照参数对，训练CNN模型。在测试阶段，给定一张输入图像，该网络可推断出相应的光照参数，进而用于重建室外光照环境图。实验结果表明，本方法能够恢复出合理的光照条件，并实现从单张图像中进行逼真的虚拟物体合成。在全景图像数据集以及实测HDR环境图上的广泛评估显示，我们的方法在该问题上显著优于以往的解决方案。