Tone-Mapping-Operatoren mit AI

High Dynamic Range (HDR) mausert sich immer mehr zum bevorzugten Videoformat für Inhaltsanbieter, wenn auch nicht ganz so schnell wie gedacht. Displays mit dem Standard-Dynamikumfang (SDR) dominieren immer noch den Markt. Deshalb müssen effiziente Wege gefunden werden, um HDR-Inhalte in das SDR-Format zu konvertieren, ein Prozess, der als Tone Mapping bekannt ist. Es gibt bereits zahlreiche Tone-Mapping-Operatoren (kurz TMO), jedoch führen diese nicht immer zu einem brauchbaren Ergebnis.

In jüngster Zeit wurden viele "neue" TMOs vorgeschlagen, die auf Deep-Learning-Ansätzen basieren. Die größte Herausforderung beim Training solcher Deep-Learning-Netzwerke ist jedoch der Mangel an wahrheitsgetreuen SDR- und HDR-Datensätzen, die zu hochpräzisen TMOs führen würden.

Kürzlich wurde in einem Artikel über Generative Adversarial Network Based Tone Mapping Operator für 4K HDR-Bilder ein hochwertiger 4K-HDR-SDR-Datensatz von Bildpaaren vorgestellt, der einen breiten Bereich von Helligkeitsstufen und Farben abdeckt. Dabei wurde ein TMO vorgeschlagen, der auf einer generative adversarial network architecture basiert.

"Die Bewertungsergebnisse zeigen, dass unsere Methode eine hohe Wahrnehmungsqualität erreicht, die künstlerische Absicht beibehält und eine bessere Farbdarstellung im Vergleich zu bestehenden TMOs auf dem neuesten Stand der Technik bietet". (Zitat Ende)

Für alle Interessierten:
Daten und Code sind verfügbar unter https://github.com/zjbthomas/TMO-GAN

Tim