成像专题 | 端到端衍射光学实现单次曝光高动态范围成像(IEEE CVPR)
端到端衍射光学实现单次曝光高动态范围成像
End-to-end Designed Optics for Single-shot HDR Imaging
本期导读
高动态范围(HDR)成像是在复杂环境中必不可少的成像方式,尤其是较暗场景中存在局部明亮光源等情况下。传统的HDR成像大多基于多次曝光辅以复杂的后处理,在时效性层面无法应用到捕捉动态场景(例如自动驾驶,机器人视觉,夜景成像等)的有效信息。本期安利两篇近期于计算机视觉顶级会议IEEE CVPR 2020发表的类似工作,来自于斯坦福大学、阿卜杜拉国王科技大学、及普林斯顿大学的研究学者。其研究核心都是基于近期非常热门的End-to-End端到端设计编码和重建思路,结合衍射光学作为波前调制的载体,实现HDR计算成像。
技术思路
论文一:Learning Rank-1 Diffractive Optics for Single-shot High Dynamic Range Imaging, IEEE CVPR 2020 (oral), Qilin Sun(阿卜杜拉国王科技大学), Ethan Tseng(普林斯顿大学), Qiang Fu, Wolfgang Heidrich(阿卜杜拉国王科技大学), Felix Heide(普林斯顿大学)
论文二:Deep Optics for Single-shot High-Dynamic-Range Imaging, IEEE CVPR 2020 (oral), Christopher Metzler, Hayato Ikoma, Yifan (Evan) Peng, Gordon Wetzstein(斯坦福大学)
所述研究工作工作都采用了端到端设计的衍射光学元件(DOE)将饱和的高光部分信息映射到相邻的不饱和区域,而后结合深度学习网络对图像进行重建,提取不饱和区域内被复制编码的有效信息以准确叠加到高光部分。二者均实现了比纯采用图像后处理更好的HDR成像,具体表现为重构图像视觉上更少artifacts。
图1 从左到右分别为:实验样机和制备衍射器件,获取和重建图像比较(论文1)
图2 端到端光学设计流程(论文2)
图3 场景实拍和重建结果(论文1)
图4 场景实拍和重建结果(论文2)
更多技术细节和结果详见
https://www.computationalimaging.org/publications/deep-optics-hdr/
https://vccimaging.org/Publications/Sun2020LearningRank1HDR/ .
回顾与预告
上期回顾:显示专题 | 支持空间遮挡的光学穿透式AR显示 (IEEE TVCG)(欢迎点击查阅)
下期预告:我们将不定期持续推荐学术领域具有代表性的计算显示和计算成像研究工作,同时穿插一些新型光学设计和VR/AR光机实现科普等的资讯分享,欢迎订阅关注,欢迎来稿交流。p.s. 本公众号IntelligentOpticsSharing (I.O.S.)运营背后以该领域的研究学者为主,非盈利非广告,希望能够结交共同兴趣方向的读者们,建立光学和计算机交叉学科领域内一个资讯分享交流的平台,还望大家多多海涵支持,欢迎拍砖。
end