摘要

最近，基于给定单次曝光的多曝光堆栈进行高动态范围（HDR）图像重建的技术利用深度学习框架生成高质量的HDR图像。这些传统的网络主要集中在曝光传递任务上，以重建多曝光堆栈。因此，它们通常无法将多曝光堆栈融合成视觉上令人愉悦的HDR图像，因为逆向伪影会出现。我们通过提出一种全新的框架来解决基于堆栈重建方法中的这一问题，该框架包含一个完全可微分的高动态范围成像（HDRI）过程。通过显式使用损失函数，该损失函数比较网络输出与真实HDR图像，我们的框架能够使生成多曝光堆栈用于HDRI的神经网络稳定训练。换句话说，我们的可微分HDR合成层帮助深度神经网络在反映多曝光图像之间精确相关性的HDRI过程中训练生成多曝光堆栈。此外，我们的网络采用图像分解和递归过程来促进曝光传递任务并自适应地响应递归频率。实验结果表明，所提出的网络在曝光传递任务和整个HDRI过程方面均优于现有最先进的定量和定性结果。