Learning to Correct Overexposed and Underexposed Photos

Problems

•在基于相机的成像中，拍摄错误曝光的照片仍然是一个主要的错误来源。曝光问题可分为以下两类： 

•（i）曝光过度，相机曝光时间过长，导致图像区域变亮和褪色； 

•（ii）曝光不足，曝光时间太短，导致图像区域变暗。 

Contribution

•1、我们提出了一个粗到细的深度神经网络（DNN）模型，该模型以端到端的方式进行训练，首先对全局颜色信息进行校正，然后对图像细节进行细化。 

•2、一个关键贡献是一个新的数据集，它包含了24000多张从原始RGB到sRGB的不同曝光设置的图像。我们的数据集中的每个图像都提供了相应的正确曝光的参考图像。 

•3、我们提出了一套广泛的评价我们提出的方法，并与目前的技术水平进行了比较。

Dataset

•来源: Adobe FiveK数据集的线性原始RGB图像（单反拍摄） 

•生成: Adobe Camera raw SDK使用嵌入在每个DNG Raw文件中的元数据精确模拟非线性相机渲染过程，相关的Evs(曝光度):-1.5、-1、+0、+1和+1.5分别渲染具有欠曝光误差、原始EV的零增益和过曝光误差的图像。

Architecture

Loss Function

Result