論文の概要: Generating HDR Video from SDR Video
- arxiv url: http://arxiv.org/abs/2605.14703v1
- Date: Thu, 14 May 2026 11:21:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.790103
- Title: Generating HDR Video from SDR Video
- Title（参考訳）: SDRビデオからHDRビデオを生成する
- Authors: SaiKiran Tedla, Francesco Banterle, Trevor Canham, Karanpreet Raja, David B. Lindell, Kiriakos N. Kutulakos, Jiacheng Li, Feiran Li, Daisuke Iso,
- Abstract要約: 本稿では,大規模な生成ビデオモデルを利用して,カジュアルなSDR映像からHDR映像を合成するためのフレームワークを提案する。
われわれのアプローチは、カジュアルなコンシューマー向けビデオや、象徴的な映画から、WildでのHDR変換を可能にする。
- 参考スコア（独自算出の注目度）: 23.429962854122966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The high dynamic range (HDR) video ecosystem is approaching maturity, but the problem of upconverting legacy standard dynamic range (SDR) videos persists without a convincing solution. We propose a framework for HDR video synthesis from casual SDR footage by leveraging large-scale generative video models. We introduce a Multi-Exposure Video Model (MEVM) that can predict exposure-bracketed linear SDR video sequences from a single nonlinear SDR video input. We further propose a learnable Video Merging Model (VMM) that merges the predicted exposure-bracketed video into a high-quality HDR sequence while preserving detail in both shadows and highlights. Extensive experiments, quantitative and qualitative evaluation, and a user study demonstrate that our approach enables robust HDR conversion for in-the-wild examples from casual consumer videos and even iconic films. Finally, our model can support HDR synthesis pipelines built upon existing SDR generative video models. Output HDR videos can be viewed on our supplementary webpage: sdr2hdrvideo.github.io
- Abstract（参考訳）: 高ダイナミックレンジ(HDR)ビデオエコシステムは成熟度に近づいているが、レガシスタンダードダイナミックレンジ(SDR)ビデオのアップコンバートという問題は、説得力のある解決方法が存在しないまま残っている。
本稿では,大規模な生成ビデオモデルを利用して,カジュアルなSDR映像からHDR映像を合成するためのフレームワークを提案する。
本稿では,1つの非線形SDRビデオ入力から露出ブラケット付き線形SDRビデオシーケンスを予測できるマルチ露光ビデオモデル(MEVM)を提案する。
さらに、予測された露光ブラケット映像を高品質なHDRシーケンスにマージし、影とハイライトの両方で詳細を保存できる学習可能なビデオマージモデル(VMM)を提案する。
広汎な実験,定量的および定性的評価,およびユーザスタディにより,カジュアル・コンシューマー・ビデオやアイソニック・フィルムから得られた実例に対して,我々のアプローチが堅牢なHDR変換を可能にすることを示した。
最後に,既存のSDR生成ビデオモデル上に構築されたHDR合成パイプラインをサポートする。
出力HDRビデオは補足Webページで見ることができる: sdr2hdr video.github.io
関連論文リスト
- InstantHDR: Single-forward Gaussian Splatting for High Dynamic Range 3D Reconstruction [48.64335106961342]
既存のHDRパイプラインは、既知のカメラのポーズ、よく校正された高密度ポイントクラウド、シーンごとの時間的最適化に依存している。
現在のフィードフォワード代替品は、露出イン外観を仮定してHDR問題を見落としている。
フィードフォワードネットワークであるInstantを提案する。これは、1つのフォワードパスで非校正多重露光LDRコレクションから3次元HDRシーンを再構成する。
論文 参考訳（メタデータ） (2026-03-11T20:51:47Z) - HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
既存のHDR NVS法は主にNeRFに基づいている。
訓練時間は長く、推論速度は遅い。
我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
論文 参考訳（メタデータ） (2024-05-24T00:46:58Z) - Subjective Quality Assessment of Compressed Tone-Mapped High Dynamic Range Videos [35.19716951217485]
ストリーミングHDRビデオの視覚的品質に及ぼすトネマッピング演算子の影響を解析する。
我々は、圧縮トーンマップ付きHDRビデオの大規模主観的オープンソースデータベースを構築した。
論文 参考訳（メタデータ） (2024-03-22T09:38:16Z) - HIDRO-VQA: High Dynamic Range Oracle for Video Quality Assessment [36.1179702443845]
HIDRO-VQAは,ハイダイナミックレンジ(ハイダイナミックレンジ)ビデオの正確な品質評価を提供するために設計された,NRビデオ品質評価モデルである。
この結果から, 自己教師型ニューラルネットワークは, 最先端の性能を達成するために, 自己教師型設定でさらに微調整できることがわかった。
我々のアルゴリズムはFull Reference VQA設定に拡張することができ、また最先端の性能を達成することができる。
論文 参考訳（メタデータ） (2023-11-18T12:33:19Z) - Snapshot HDR Video Construction Using Coded Mask [25.12198906401246]
本研究は,3D-CNNを用いて,符号化LDRビデオによる共同デモサイクリング,デノナイジング,HDRビデオ再構成を行う。
得られた結果は有望であり、従来のカメラで手頃なHDRビデオ撮影に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-12-05T09:32:11Z) - HDRVideo-GAN: Deep Generative HDR Video Reconstruction [19.837271879354184]
本稿では,LDR シーケンスからのHDR ビデオ再構成を交互に行うための,エンドツーエンドの GAN ベースのフレームワークを提案する。
まず、ノイズの多いLDRビデオからクリーンなLDRフレームを抽出し、自己教師付き環境で訓練された聴覚ネットワークと交互に露光する。
次に、隣接する交互露光フレームを基準フレームに整列し、完全対向設定で高品質なHDRフレームを再構成する。
論文 参考訳（メタデータ） (2021-10-22T14:02:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。