high dynamic range
PulseAugur coverage of high dynamic range — every cluster mentioning high dynamic range across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
LumaGuide框架使扩散模型能够进行无训练HDR生成
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。
-
新的HDR框架提升视频模型的多步推理能力
研究人员推出了一种名为HDR（用于视觉推理的分层去噪）的新型框架，旨在增强视频基础模型的多步推理能力。HDR采用分层潜在结构，实现从粗到精的推理，与现有方法相比，提高了逻辑一致性并降低了推理成本。该框架在一个新基准上展示了成功率和推理轨迹一致性的显著提升，同时实现了显著更快的推理速度和更高的数据效率。
-
GMODiff 框架使用扩散模型优化高动态范围重建
研究人员开发了 GMODiff，一种用于高动态范围 (HDR) 重建的新型一次性扩散框架。该方法将 HDR 重建重新定义为增益图细化问题，利用预训练的潜在扩散模型 (LDM) 来编码扩展的动态范围，同时保持与标准低动态范围图像相同的比特深度。GMODiff 通过减轻内容幻觉和降低推理成本，解决了直接应用 LDM 的局限性，与之前的 LDM 方法相比，速度提高了 100 倍，同时保持了高感知质量和结构准确性。
-
3D电视为何失败：不便、成本和内容匮乏
曾被誉为家庭娱乐未来的3D电视，最终因用户不便和缺乏引人注目的内容而失败。消费者发现，需要佩戴特殊眼镜、3D光盘价格昂贵以及分辨率降低是其显著缺点。虽然好莱坞最初曾以《阿凡达》等影片拥抱3D，但该格式的局限性以及随后4K和HDR技术的兴起导致其受欢迎程度迅速下降。
-
Hulu的自动画质设置可能会降低画质分辨率
Hulu的自动画质设置可能会降低部分用户的画质分辨率，即使他们的网络连接充足。该流媒体服务提供包括4K超高清和HDR在内的各种分辨率，但实际质量取决于所使用的设备、观看的内容以及可用带宽。虽然应用程序通常比网页浏览器提供更好的质量，但特定设备的性能各不相同，有些设备仅限于720p。Hulu与其他流媒体服务一样，也可能通过降低分辨率来管理网络拥塞，这种做法过去曾导致客户投诉。
-
新方法利用扩散模型生成可重照明头像
研究人员开发了生成式可重照明头像（GRA），一种用于创建逼真、自由视角的全身人物渲染的新方法，可在不同环境贴图下进行重照明。GRA采用混合方法，首先在UV空间优化材质参数，以在目标HDR环境贴图下渲染粗糙外观。然后通过前馈模型进行细化，以捕捉姿态相关的动态和照明效果。最后，经过微调的视频到视频扩散模型将这些渲染转换为详细、时间连贯的视频，并采用错误循环策略生成更长的序列。
-
Godot Engine 4.7 发布，支持新的资源商店和 HDR
Godot Engine 发布了 4.7 版本，引入了新的资源商店用于管理游戏开发资源，增强了高动态范围（HDR）支持以改善视觉效果，并支持 Steam Frame。此次更新旨在简化开发流程并提高引擎创建项目的视觉保真度。此次发布恰逢开源软件和 Linux 社区的其他重要更新，包括 Qt Creator、Zed、GCC、MariaDB、Raspberry Pi Imager、Rufus 和 VirtualBox 的新版本。
-
Ring 发布新款 4K Pro 和 1080p Plus 户外安防摄像头
Ring 发布了两款新的户外安防摄像头：Spotlight Cam Pro 和 Spotlight Cam Plus（第二代）。Pro 型号拥有“视网膜 4K”分辨率，具有 10 倍增强变焦和 Pro-HDR，可提供卓越的图像清晰度，并采用雷达 3D 运动检测和鸟瞰视图功能。Plus 型号提供 1080p 高清视频，支持 HDR、彩色夜视和高级运动区域自定义，侧重于无线便利性和 DIY 安装。
-
TorchCodec 0.14 增加了跨多种硬件的 HDR 视频解码功能
TorchCodec 发布了 0.14 版本，引入了使用从标准 CPU 到高性能 CUDA GPU 的各种硬件解码高动态范围 (HDR) 视频的功能。此次更新还包括一个更快的 WAV 解码器，可能提高音频任务的性能。
-
Luma Labs 通过 HDR、20 秒剪辑和多关键帧增强视频生成
Luma Labs 发布了其视频生成模型的更新，为专业用途引入了增强功能。新功能包括 1080p 输出、使用其 V2V（视频到视频）模型生成长达 20 秒的视频，以及原生 HDR 生成和 EXR 导出，可无缝集成到现有工作流程中。这些更新还带来了多关键帧控制，可精确控制剪辑内的变化方向，并改进了运动迁移以实现逼真的编排。
-
ExpoCM框架加速HDR图像重建
研究人员开发了ExpoCM，一个用于从单个低动态范围输入重建高动态范围（HDR）图像的新框架。该方法通过将问题重新表述为概率流ODE来解决过曝区域细节丢失和欠曝区域噪声的问题。ExpoCM使用曝光感知一致性轨迹和曝光引导损失函数，与现有的扩散模型相比，提高了图像质量并显著加快了推理时间。
-
FDIM度量为神经编码器提供通用的视频质量评估
研究人员推出了一种新的视频质量度量FDIM，旨在评估标准动态范围（SDR）和高动态范围（HDR）内容下的传统和神经视频编码器。FDIM采用混合方法，结合深度学习进行多尺度特征提取和手工特征，以捕捉广泛的失真。FDIM在超过16,000个视频序列的大型数据集上进行训练，在各种编码器和内容类型上表现出强大的泛化能力，与主观质量评估高度相关。