LatentHDR：通过文本/图像到全景 HDR 的条件潜在到潜在映射将曝光与扩散解耦

高动态范围（HDR）生成对于生成模型来说仍然具有挑战性，因为生成模型在很大程度上仅限于低动态范围输出。最近的基于扩散的方法通过生成多个曝光条件样本来近似 HDR，这会导致高计算成本和曝光之间的结构不一致。我们提出 LatentHDR，这是一个将场景生成与潜在空间中的曝光建模分离的框架。预训练的扩散主干产生单个连贯的场景表示，而轻量级条件潜在到潜在头确定性地将其映射到特定于曝光的表示。这使得能够在一次通过中生成密集的、结构一致的曝光堆栈。这种设计消除了多通道扩散，确保交叉曝光对齐，并实现可扩展的 HDR 合成。 LatentHDR 支持透视和全景场景的文本和图像条件 HDR 生成。对合成数据和 SI-HDR 基准的实验表明，LatentHDR 实现了最先进的动态范围和具有竞争力的感知质量，同时将计算量减少了一个数量级。我们的结果表明，可以通过结构化潜在建模实现高质量的 HDR 生成，从而挑战随机多重曝光生成的需求。