最近，西安电子科技大学通信工程学院何刚老师团队与北京快手科技有限公司联手，利用深度学习算法在将传统SDR视频（标准动态范围视频）转化为高质量HDR视频（高动态范围视频）的技术上取得了显著进展。其研究成果“SDRTV-to-HDRTV via Hierarchical Dynamic Context Feature Mapping”被多媒体领域的顶级会议ACM MM 2022收录。
该团队在国际上率先提出了基于动态特征变换的特征映射模型。这一模型创新性地将颜色亮度信息的转换建模为特征映射过程，并引入动态特征变换来实现高效的特征映射，从而更精准地恢复HDR视频的颜色亮度信息，大幅提升生成视频的质量和观感。
当前市场上，尽管HDR视频具有更广的色域和更自然的色彩过渡，能更逼真地还原真实场景，但绝大部分视频资源仍是传统的SDR格式，HDR视频资源相对稀缺。这一研究成果有助于将已有的SDR格式视频转化为HDR格式，极大地提升用户的视频观看体验，是当前视频领域亟待解决的重要问题。
结合深度学习技术，何刚老师团队针对SDR视频转HDR视频的任务，研发了逆色调映射转换算法。不同于先前主要使用全局特征调制来模拟逆色调映射的过程，该论文以特征映射为核心，提出了动态特征变换模块和分层特征调制模块。其中，动态特征变换能更好地将SDR特征转换为HDR特征，而分层特征调制则能对视频帧进行局部自适应处理，同时增强暗部细节和抑制亮部过曝。团队还提出了基于补丁判别器的生成对抗网络模型来完成HDR视频帧的高光生成。该论文的框架由分层动态上下文特征映射模型（HDCFM）和补丁判别器的高光生成模型（PDCG）两个主要部分构成。
该论文提出的方法在测试视频序列上的平均PSNR达到了38.42dB，相比之前的方法HDRTVNET，PSNR增益达到了0.81dB。该论文还通过多个评估指标测量了提出方法的色彩保真度、视觉差异和结构相似性。从主观效果对比图中可以看出，该论文提出的方案在主观质量上获得了大幅提升，特别是视频帧的颜色保真度。
作者简介：何刚老师为西安电子科技大学通信工程学院图像传输与处理研究所的副教授。其研究方向包括基于人工智能的未来高效视频编码、基于深度学习卷积网络和对抗技术的图像增强处理等。徐克鹏为图像所的成员，目前在攻读硕士学位，主要研究方向为图像视频压缩与增强。徐莉为博士研究生，研究方向是深度学习在图像视频压缩与增强领域上的应用。
要了解更多关于此次研究的详细信息，可以访问会议链接：2022./ 以及论文链接：/abs/2207.00319。
（来源：西电新闻网）再次强调了该研究的重要性和价值所在。