PulseAugur
中
实时 07:02:18
English(EN) LumaGuide: Distribution Shaping for Training-Free HDR Generation in Diffusion Models

LumaGuide框架使扩散模型能够进行无训练HDR生成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LumaGuide，一个旨在增强扩散模型生成高动态范围（HDR）图像能力的新框架，且无需额外训练。该方法通过引导采样过程以匹配期望的分布，特别是关注PQ空间中的亮度分布。该方法成功生成了与HDR一致的内容，在保留高光和阴影细节的同时保持了语义准确性。LumaGuide还提供了指定目标分布的灵活性，并可扩展到视频生成。 AI

影响 使扩散模型能够在不重新训练的情况下生成高动态范围内容，有可能提高生成图像的真实感和细节。

排序理由 这是一篇详细介绍扩散模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LumaGuide框架使扩散模型能够进行无训练HDR生成

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Bowen Chen, Shreshth Saini, Balu Adsumilli, Alan C. Bovik ·

    LumaGuide: Diffusion模型中用于免训练HDR生成的分布塑形

    arXiv:2607.26237v1 Announce Type: new Abstract: Pretrained diffusion models generate realistic images but are constrained by the statistical biases of their training data, limiting their ability to produce high dynamic range (HDR) content. In this work, we introduce LumaGuide, a …

相关实体

相关话题