私の直感では、ハイ ダイナミック レンジ画像は、さまざまな画像セグメンテーションやその他の低レベル ビジョン アルゴリズムで動作する、より安定した機能とエッジを提供しますが、ビット数が多くなると逆に機能が疎になる可能性があります。ハードウェアの代わりに露出融合などを使用して HDR を生成する必要がある場合、HDR の生成に伴う追加コストとして。
誰もがこのトピックに関する研究を指摘できますか? 理想的には、標準および高ダイナミック レンジの画像を使用したさまざまなマシン ビジョン技術の比較研究があるかどうかを確認することをお勧めします。
ハイ ダイナミック レンジ(HDR) 画像は、さまざまな露出レベルで画像からキャプチャされた情報をエンコードするため、画像セグメンテーションなどのコンピューター ビジョン タスクに対して、従来の LDR 画像シーケンスよりも多くの視覚情報を提供します。
HDR 入力画像は、対応する LDR 画像と比較した場合、HDR 画像の飽和(露出過度または露出不足) 領域が少ないため、より優れた特徴学習と低レベルの特徴抽出により、ビジョン モデルの精度を向上させるのに役立ちます。
ただし、HDR 画像の処理に必要な計算リソースの増加や、精度の向上によるまばらな特徴の学習を回避するために必要なデータなど、HDR 入力の使用には特定の課題があります。
マシン ビジョン タスク の LDR とHDR の入力を比較する研究記事を次に示します。研究記事からの引用: 「得られた結果は、HDR 画像を使用すると、LDR と比較して検出性能が30%以上向上することを示しています」 .
以下は、役立つと思われるその他の関連研究記事です。