摘要

从单次曝光低动态范围（LDR）图像生成高动态范围（HDR）图像已成为可能，这得益于深度学习领域的最新进展。为了学习从LDR到HDR的表示，已经提出了多种前馈卷积神经网络（CNN）。为了更好地利用CNN的能力，我们采用了反馈机制，其中初始的低层次特征通过递归神经网络（RNN）的隐藏状态由高层次特征进行引导。与传统前馈网络中的单次前向传播不同，反馈网络中的LDR到HDR重建是在多次迭代中学习完成的。这一过程使我们能够创建从粗到细的表示，从而在每次迭代中逐步提高重建质量。与标准前馈网络相比，该方法具有早期重建能力和更好的重建质量，并且所需网络参数较少。我们设计了一个密集反馈模块，并提出了一种端到端的反馈网络——FHDR，用于从单次曝光LDR图像生成HDR图像。定性和定量评估结果表明，我们的方法优于现有的最先进方法。