文摘单图像高动态范围(High Dynamic Range,HDR)重建能够避免多曝光HDR成像可能造成的鬼影伪像,正受到广泛研究.然而,现有方法由于缺乏对重要信息的关注,尚不能很好地恢复曝光不良区域的细节信息.为解决该问题,本文提出了一种基于多重注意力和感知加权学习的单图像HDR重建方法,旨在从单幅低动态范围图像中推断出高保真的HDR图像.具体而言,考虑到恢复曝光不良区域需参考其他区域的补偿信息,本文设计了具有全局-局部感受野的多重注意力视觉Transformer(Multi-Attention Vision Transformer,MA-ViT),其将深度可分离卷积和注意力机制相结合,从而实现更有效的全局和局部特征提取与交互.此外,还提出了一种损失感知加权图以引导网络聚焦曝光不良区域,进一步提升HDR重建质量.本文在多个基准数据集上构建了全面的对比实验,结果表明所提出方法相较于目前最先进的方法在平均峰值信噪比(Peak Signal to Noise Ratio,PSNR)上提高了0.23 dB,同时生成了具有更高视觉质量的HDR重建结果.
