原论文首页 · Recurrent Dynamic Range Extension

逐级扩展动态范围：单张照片能恢复多少高光？

高光恢复需要区分可推断的灯具结构与实际被截断的细节。逐级增亮提供了可控制的验证方式。

文章信息与阅读大纲

Recurrent Dynamic Range Extension
arXiv 2609.13135v1 · 首次提交 2026-09-11 · 往期补选
2026.11.06 周选第 6 篇 · 拍照 · 建议重点

阅读顺序：研究问题、核心方案、实验条件、业务验证。

研究问题与核心方案

图 2 · 原论文第 2 页，点击查看原图

网络每轮扩展一档曝光范围，再将输出递归送回同一网络。训练使用 RAW 图像，分阶段反向传播采用回放机制，以减小多轮推理的误差累积。

实验结果与分析

作者围绕高亮区域恢复与递归阶段训练做比较。单曝光输入中的饱和区域存在多解，主观上类似真实光源的输出也可能产生错误纹理。

表 1 在 SI-HDR 和 BtP-HDR 分开比较；PSNR、VSI 与高光指标 P-H 均在 PU21 感知空间计算。图 8 给出失败例，完全剪切后重建的局部结构仍可能偏离真实场景。

研发判断与验证建议

重点依据　高光恢复需要区分可推断的灯具结构与实际被截断的细节。逐级增亮提供了可控制的验证方式。

在灯牌文字、反光金属与车灯场景用包围曝光建立参考；逐档记录饱和区域色差、伪纹理与多轮推理成本。