![](https://csdnimg.cn/release/download_crawler_static/88424070/bg4.jpg)
单色视频的一部分。在这项工作中,我们提出了一个更合理的方法,
通过使用几个颜色的关键帧传播视觉信息之间的所有帧为此,如第
5.2节所述,通过仅在几个关键帧中的稀疏位置处进行注释,可以轻
松实现对完整视频进行着色
HDR成像的视频传播大多数消费级数码相机的动态范围有限,并且经
常捕获具有曝光不足/过度区域的图像,这不仅降低了捕获的照片和
视频的质量,而且还损害了许多应用中的计算机视觉任务的性能。实
现HDR成像的常见方式是捕获具有不同曝光的LDR图像的堆叠并将它
们融合在一起[11,12]。这种方法假设静态场景,因此需要去重影技
术[13捕获动态场景的HDR视频提出了更具挑战性的问题。创建HDR
视频的现有方法主要基于在帧之间交替曝光的硬件[16,17],或使用
多个相机[18],或具有逐像素曝光控制的专用图像传感器[19,20]。最
近已经开发了一些基于深度模型的方法用于HDR成像。Kalantari等人
[21]使用深度神经网络将多个LDR图像对齐为动态场景的单个HDR图
像。Zhang等人[22]开发自动编码器网络以从单个曝光的LDR图像预测
单个HDR全景以用于基于图像的渲染。此外,Eilertsen et al.[5]提出了
一个类似的网络,用于从单个LDR输入图像进行HDR重建,其主要集
中在恢复高强度饱和区域中的细节。
在本文中,我们将TPN应用于从LDR视频重建HDR视频。给定几个
HDR关键帧和LDR视频,TPN将场景辐射信息从关键帧传播到其余
帧。注意,与所有现有的基于单个LDR的方法[22,5](其使图像中缺
失的HDR细节产生幻觉)不同,我们专注于将HDR信息从输入的几个
HDR图像传播到相邻LDR帧,这为高效、低成本的HDR视频重构提供
了替代解决方案。
3
该算法
我们利用视频中的冗余,并提出了TPN的学习亲和力和帧之间的传播
目标属性以视频彩色化为例。给定一部老的黑白电影,其中一些关键
帧被艺术家着色,我们可以自动为整部电影着色吗?该问题可以等效
地重新表述为传播目标属性(即,颜色)基于一些特征的亲和性(例
如,亮度)。直观地,这是可行的,因为(1)视频随时间具有冗余
一一附近的帧往往具有相似的外观,以及(2)亮度域中的两个帧之
间的像素相关性通常与颜色域中的像素相关性一致。
在这项工作中,我们模拟了目标属性的传播(例如,颜色)作为
线性变换
,
U
t
=
GU
k
,
(1)