HIVE-Diff：从单帧 LDR 和事件重建高帧率 HDR 视频

高帧率 HDR 视频在自动驾驶和科学成像等应用中非常重要，这些场景中快速运动和极端光照往往同时出现。传统帧相机在时间分辨率与动态范围之间存在权衡，而事件相机可在宽光照范围内提供互补的高速亮度变化测量。这些特性推动了基于事件的 HDR 重建，现有方法大致遵循纯事件和事件-帧混合两种范式。然而，纯事件 HDR 重建由于缺乏绝对强度参考，会出现亮度和颜色漂移。事件-帧混合方法利用低动态范围（LDR）帧作为锚点来缓解这种歧义，但大多数方法在可用的 LDR 时间戳上进行一对一的 HDR 重建。在本工作中，我们研究单参考 HDR 时间扩展，即从单个 LDR 参考和事件重建 N 帧 HDR，而非 N 个对齐的 LDR 观测。我们开发了 HIVE-Diff，一个以事件为条件的视频扩散框架，将任务分解为事件引导的时间生成和 HDR 内容补全。由于成对的真实 HDR-事件数据稀缺，我们在合成数据上训练，并使用 LDR-事件序列作为代理监督，通过教师-学生蒸馏将模型适配到真实事件域。在合成数据集和多个真实世界数据集上的实验表明，该方法具有强大的重建质量和稳健的真实数据适配能力。

中文由 AI 翻译，仅供参考，以原文为准。