【论文阅读笔记】NeRF in the Dark: High Dynamic Range View Synthesis from Noisy Raw Images

比较喜欢的一篇工作
project：https://bmild.github.io/rawnerf/
paper：https://arxiv.org/abs/2111.13679
code：https://github.com/google-research/multinerf
video【推荐】：https://www.youtube.com/watch?v=JtBS4KBcKVc

通过联合优化许多输入图像上的单个场景表示，NeRF对高水平的图像噪声具有惊人的鲁棒性。我们利用这一事实直接在完全未处理的HDR线性原始图像上训练RawNeRF。在这个仅由单个蜡烛 (a) 照明的夜间场景中，RawNeRF 可以从经过后处理 (b, c) 破坏的噪声原始数据中提取细节。RawNeRF 恢复完整的 HDR 颜色信息，使 HDR 视图合成任务成为可能，例如改变渲染新视图的焦点和曝光。生成的渲染可以像任何原始照片一样修饰：在这里，我们展示了 (d, left) 具有简单全局色调映射的暗全焦曝光和 (d, right) HDRNet后处理的更亮、综合重新聚焦的曝光。

前置知识

High Dynamic Range（高动态范围）是指一种图像或视频的特性，它能够显示更广泛的亮度范围和更丰富的细节。传统的图像和视频通常具有有限的动态范围，即在亮度和对比度方面受到限制，导致在高亮和阴影区域丢失细节。
在高动态范围图像和视频中，亮度范围被扩展到更高的值，使得明亮的区域可以更亮，暗部区域可以更暗。这样，图像和视频中的细节不会在过曝或过暗的情况下丢失。高动态范围技术通常涉及使用多个曝光水平的图像或通过特殊的传感器来捕捉更广泛的亮度范围，并使用合适的显示设备来呈现这些图像或视频。高动态范围能够提供更好的对比度、色彩饱和度和细节表现。
简单来说：HDR就是：亮的地方贼亮，暗的地方贼暗，细节还贼多。

参考链接：什么是HDR(High Dynamic Range)高动态范围成像?——节选自《高兴说显示进阶篇之三》

ToDo！

摘要

引言

相关工作

方法