【HDR】AHDRNet: Attention-guided Network for Ghost-free High Dynamic Range Imaging

一、背景

目前，高动态范围成像算法面临的主要挑战是：用于合成HDR图像的多帧LDR图像之间存在物体位移，大幅度运动的对齐比较困难，从而导致合成后的HDR中存在伪影。提出AHDRNet的主要目的就是利用注意力机制引导合成，避免HDR中出现伪影。

二、模型架构

模型整体结构由input、Attention network、Merging network、output四部分组成，如下图所示（标注的红色数字为通道数）：

• 输入为什么是6通道？
  文献[1]中提出：LDR图像有助于鉴别有噪声和饱和区域，在HDR domain的LDR图像则有助于检测对齐。其实比较好理解，对于前者，三张LDR图像的曝光时间不同，短帧由于曝光时间短因此噪声水平高，同时长帧由于曝光时间长很容易出现饱和区域，在以中间帧为参考帧的情况下，可以识别出噪声和饱和区域；对于后者，将LDR通过下式（gamma变换并除以曝光时间）转换至HDR domain，此时三张LDR的亮度基本一致，因此有助于检测是否对齐。
  
  那么网络最终的输入就是不同曝光下的LDR ($I_i$) 与对应的HDR domain ($H_i$)在通道维度上的concat，文中表示为$X_i$