通过潜在对齐和对数编码生成 HDR 视频

高动态范围 (HDR) 图像提供了场景辐射度的丰富且忠实的表示，但由于其与训练这些模型所依据的有界、感知压缩数据不匹配，因此对于生成模型来说仍然具有挑战性。一个自然的解决方案是学习 HDR 的新表示，这会带来额外的复杂性和数据要求。在这项工作中，我们展示了通过利用预训练生成模型已经捕获的强大视觉先验，可以以更简单的方式实现 HDR 生成。我们观察到，电影管道中广泛使用的对数编码将 HDR 图像映射到与这些模型的潜在空间自然对齐的分布，从而可以通过轻量级 微调 直接适应，而无需重新训练编码器。为了恢复输入中无法直接观察到的细节，我们进一步引入了一种基于模仿相机退化的训练策略，该策略鼓励模型从其学习的先验中推断丢失的高动态范围内容。结合这些见解，我们展示了使用预先训练的视频模型以最小的适应性生成高质量的 HDR 视频，在不同的场景和具有挑战性的照明条件下取得了出色的结果。我们的结果表明，尽管 HDR 代表了一种根本不同的图像形成机制，但只要选择与所学先验相一致的表示形式，就可以在不重新设计生成模型的情况下有效地处理 HDR。