AI Tarafından Üretilen Görselleri HDR İle Aydınlatmak

AI görselleri ve videolar etkileyici olabilir, ancak ‘profesyonel’ standartta değil – bu, yeni bir araştırma projesinin ele almayı amaçladığı bir sorun.

Mesleki ses-görüntü topluluğunda, AI’nin ilerlemesine karşı çıkan en sık karşılaşılan itirazlardan biri, şu anda görüntü ve video yeniden üretiminde profesyonel standartların eksikliğidir. Bunların arasında Yüksek Dinamik Aralıklı (HDR) görseller ve videolarla çalışma yeteneği de yer alır.

HDR görseller, 19. ve 20. yüzyıllarda kullanılan bir fotoğraf uygulaması olan bracketingnin modern eşdeğeridir. Burada aynı resim, artan miktarda ışık filme ulaştırılarak birden fazla kez çekilir:

Üstte, kısa bir bracketed dizi. Altta, bu fotoğraflardan tek bir görselle elde edilebilecek yüksek dinamik aralık. Kaynak

Geleneksel fotoğrafçılıkta, bu, birden fazla resimle sonuçlanırdı ve bu resimler, bazı uzmanlık ve çabayla, farklı açıklık seviyelerindeki tüm ayrıntıları içeren tek bir baskı haline getirilebilirdi. Ancak bu, basit veya kolay bir işlem değildi.

Şimdi, ‘oto-bracketed’ bir görüntü dizisi ya birden fazla resim üretebilir ya da tek bir HDR görseline birleştirilebilir – aslında, bir görselde birden fazla açıklık seviyesi, HDR özellikli görüntü düzenleme uygulamaları gibi Photoshop’un bu açıklık seviyelerini işleyebileceği ve fotoğrafçının ideal bir çıktı görseli oluşturmasını sağlayabileceği bir çoklu açıklık seviyesi.

Eğer neden önem verdiğinizi veya bu tür şeylerin kendi fotoğrafçılığınıza nasıl etki edebileceğini merak ediyorsanız, bu makalenin illüstrasyonu, bunu size tanıdık bir şekilde göstermek için tasarlanmıştır:

Üstte, solda, tipik bir sRGB (yani, non-HDR) görselini görüyoruz. Sadece parlaklaştırılması (sağda gösterildiği gibi), perdedeki canavarı göstermez, çünkü bu ayrıntı, fotoğrafçı ve kameranın otomatik süreçlerinin, fotoğrafta öncelik vereceği şeyi kararlaştırırken atılır:

Aşağıda, (solda) bir non-HDR fotoğrafında perde canavarını kaydetmek için ne kadar solgun olması gerektiğini gösteren bir gösterge ve (sağda) perde canavarı, ön planın iyi aydınlatılmış konularına uygun bir pozlama yapıldığında karanlığa gömüldüğünü gösteren bir gösterge yer alır:

Aşağıda, bir HDR görselinden veya görsel dizisinden kurtarılabilen türden ayrıntıları görüyoruz. Bu durumda, canavar, HDR dizisinin çok düşük görsel kayıtlarında gizleniyordu, burada geri kalan içerik beyaza yakın bir renge sahip olacaktı (üstte, solda). Geniş bir parlaklık aralığının seçili bir şekilde aynı görselde ifade edilmesini belirterek, bu uyumsuz öğeleri mantıklı bir resme dönüştürebiliriz:

Bir non-HDR görseli, görüntüye atıfta bulunan bir görsel olarak bilinir ve yüksek gamutlu bir HDR görseli, sahneden réféns bir görsel olarak bilinir.

HDR video da mevcut ve bu tür tonal esneklik ve ductility, film yapımcılarına, çekilen görüntüleri çeşitli yaratıcı ve tutarlı şekillerde kurtarma, derecelendirme ve yorumlama konusunda bir miktar esneklik sağlar; bu nedenle, çoğu generatif AI çerçevesinin ürettiği ‘düzleştirilmiş’ sRGB çıktısına çalışmak istemeyen yaratıcıların tereddüt etmesi şaşırtıcı değildir.

AI’de HDR

Tabii ki, araştırma sahnesi, AI üretilen çerçeveleri HDR dönemine getirmekle ilgileniyor. Ancak, bu, hem difüzyon tabanlı generatif sistemlerin temel mimarisi nedeniyle hem de iyi HDR verilerinin büyük miktarda disk alanı kapladığı ve bu nedenle kullanılmaya uygun veri kümelerinin nadir olduğu için basit bir görev değildir.

Bu nedenle, Singapur’daki bir üniversite ile Adobe Araştırma arasındaki bir işbirliği, teorik olarak videoya da uygulanabilecek bir HDR görüntü dizisi oluşturma yöntemi sunuyor:

Yeni çalışmanın proje sayfasından, metin-görsel çıkışının ‘bracketed’ örnekleri. Kaynak

Yeni sistem, aynı görsele ait farklı parlaklık seviyelerinde birden fazla hizalı versiyon üretir, sahnenin ne kadar parlak olduğunu öğrenir ve sonra bunları, hem gölgelerde hem de vurgularda ayrıntı tutan tek bir sonuç olarak birleştirir, bu da daha sonra pozlama veya renk ayarlarına, gerçek bir kamera yakalama yerine tamamen işlenmiş bir görsele yapılan ince ayarlar gibi davranmasına olanak tanır.

Sistem, Qwen ve Flux gibi çeşitli modelleri görev için kullanıyor:

Yeni makaleden, sistem tarafından üretilen aynı sahnenin çoklu pozlama versiyonlarının örnekleri, basit bir kenar haritasından başlayarak, aydınlık ve karanlık ayarlarına kadar tutarlı görüntüler üretebiliyor ve yalnızca aydınlatma değişirken konu ve kompozisyon sabit kalıyor. Yöntem, kameraya benzer bir şekilde kontrollü bir şekilde parlaklığı değiştirebiliyor. Kaynak

Yazarlar şöyle diyor:

‘Doğrusal görüntüleri üretmek zor, çünkü ön eğitimli VAE’ler difüzyon modellerinde hem aşırı vurguları hem de gölgeleri aynı anda korumak için mücadele ediyor, bu da daha yüksek dinamik aralığa ve bit derinliğine sahip.

‘Bu amaçla, bir doğrusal görüntüyü, belirli bir dinamik aralığını yakalayan bir pozlama kademeleri dizisi olarak temsil ediyor ve metin koşullu pozlama kademeleri oluşturmak için bir DiT tabanlı akış eşleme mimarisi öneriyoruz.

‘Ayrıca, metin yönlendirmeli doğrusal görüntü düzenleme ve ControlNet aracılığıyla yapı koşullu üretim gibi aşağı akış uygulamalarını gösteriyoruz.’

Yeni çalışma Linear Image Generation by Synthesizing Exposure Brackets olarak adlandırılıyor ve S-Lab at Nanyang Technological University, Adobe NextCam ve Adobe Araştırma’dan dört yazar tarafından sunuluyor. Proje sayfası ve yayınla birlikte gelen YouTube videosu dışında, şu anda (henüz boş) bir GitHub deposu ve bir veri kümesi yayınlanma sözü de var.

Yazarlar, sistemden örnekler sunuyor, ancak okuyucunun HDR özellikli bir monitöre sahip olması gerekiyor, yoksa bu örneklerin özellikleri gerçekten ayırt edilemeyecektir. Yine de, lütfen makalenin sonuna eklenen araştırmacıların YouTube özetini bulun – ancak farklar, non-HDR monitörde net olmayacaktır.

Yöntem ve Veri

Yazarlar, bu özel takip için veri toplamanın ne kadar zor olduğunu vurguluyor:

‘Doğrusal görüntülerin büyük bir koleksiyonunu elde etmek uygulamada çok zor. Ayrıca, çoğu kamu HDR veri kümesi ya panoramik (böylece büyük ölçekli sahne içeriğine odaklanıyor) ya da真正 doğrusal görüntüler sunmuyor, bu nedenle bizim amaçlarımız için uygun değil.

‘Bu nedenle, esas olarak RAW görüntü veri kümelerini temel eğitim için kullanıyoruz.’

Araştırmacılar, eldeki birkaç seçeneği yaratıcı bir şekilde kullandı, RAISE veri kümesini gerçek eğitim verileri olarak kullanırken, MIT-Adobe FiveK veri kümesini değerlendirme verileri olarak kullandılar*.

Kullanılabilir HDR eğitim verilerini oluşturmak için, araştırmacılar RAW kamera dosyalarını, kamera özgü tuhaflıkları ortadan kaldıran standart bir işlem hattından geçirdiler, görüntüleri tutarlı, sahneye atıfta bulunan doğrusal bir formata dönüştürdüler:

Yazarların iş akışının şeması: sistem, aynı sahnenin dört pozlama seviyesini temsil eden gürültüden başlar, metin bir promt ve bir parlaklık jetonu ile birlikte, ve bunları, farklı pozlamaları hizalı tutarken aydınlatma için ayarlayan yığınlanmış transformer blokları aracılığıyla işler. Sonra, hem pozlama görüntülerinin kümesini hem de genel bir parlaklık ölçeğini öngörür ve bunları, hem gölgelerde hem de vurgularda ayrıntı tutan tek bir sahneye atıfta bulunan görsele dönüştürür.

Bu, tam RGB’yi sensör verisinden yeniden oluşturmayı, renk düzeltmesi uygulamayı, beyaz dengesini normalize etmeyi ve briefly bir algısal renk uzayına gürültü azaltma için geçmeyi içeriyordu, daha sonra temiz bir doğrusal sinyale geri dönüldü. Sahnedeki gerçek ışık, kameranın pozlama ayarları kullanılarak her pikselin gerçek parlaklığı yansıtabilmesi için geri kazanıldı.

Bu değerler büyük ölçüde değişebileceğinden, veriler kendi parlaklık dağılımına göre her bir görüntü için ölçeklendirilerek stabilize edildi, orta ve vurgu istatistikleri kullanılarak hem solgun görüntüler hem de över pozlama önlenerek, sonunda sahnedeki gerçek parlaklık aralığını koruyan ve eğitim için đủ稳 bir normalize doğrusal görüntü elde edildi.

Görüntüler için metin etiketleri, Qwen2.5-VL 7B modeli ile oluşturuldu, promt’lar, üretim zamanında kullanılacak Flux modelinin özelliklerine uydurmak için tasarlandı.

Her görüntü, pozlama ‘dilimleri’ne bölündü ve paylaşılan bir VAE kodlayıcıdan geçti, tüm pozlamaları, tam parlaklık aralığını yakalayabilen ortak bir latent uzaya dönüştürdü. Latent’ler gürültüden rafine edildi ve geri görüntü olarak decoded, tutarlı bir şekilde yeniden inşa edilmesine olanak tanıyarak, hem karanlık hem de aydınlık bölgelerde çökmeden.

LoRA fine-tuning, ön eğitimli Flux omurgasını, minimum ek parametrelerle doğrusal görüntü verilerine uyarlamak için kullanıldı, bu da Single-Diffusion Transformers (single-DiT) modelinin, parlaklık varyasyonlarına rağmen stabilize kalmasına yardımcı oldu.

Pozlama Modülasyonu Kendi Dikkati (yukarıdaki şema illüstrasyonunun orta sütunu), tüm kademeleri ortaklaşa işlemek için tanıtıldı, bu da, yapı ve ince ayrıntı hizalı tutulurken, parlaklığın her bir kademe için ayarlanmasına olanak tanıyordu.

3D Döner Konum Gömme (3D-R[o]PE), hem uzaysal konumu hem de pozlama kimliğini kodlamak için kullanıldı, böylece modelin, her bir tokenin hangi kademesine ait olduğunu ayırt edebilmesi ve aynı zamanda uzaysal tutarlılığı koruması sağlandı, parlaklık varyasyonunun sahne içeriğinden temiz bir şekilde ayrılmasını mümkün kıldı.

Çalışmada kullanılan veri kümesinin bir özeti, görüntülerin içerik türleri ve iç mekan ve dış mekan sahneleri arasında dağılımını ve işlenen verilerin parlaklık değerlerinin dağılımını gösteriyor. Histogramlar, log uzayında parlaklık ve radyans ölçeğini grafikleştiriyor ve gerçek dünya parlaklığının ne kadar çeşitli olabileceğini gösteriyor, daha yüksek radyans değerlerinin fiziksel olarak daha parlak sahnelerle ilişkili olduğunu ve modelin ele almayı amaçladığı güçlü dinamik aralığı vurguluyor.

3D-RoPE, nerede bir özelliğin olduğu ve ‘hangi pozlamadan geldiği’ni ayrı sinyallere ayırarak, parlaklık varyasyonunun, uzaysal ayrıntı bozulmadan bağımsız olarak ayarlanmasına olanak tanıyordu.

Testler

Araştırmacılar, Flux-devı üretilen çerçeve olarak kullandı, eğitim dört NVIDIA A100 GPU’sunda, her biri 80GB VRAM ile gerçekleşti. Batch boyutu, her GPU’da 4 olarak ayarlandı, 10.000 iterasyon üzerinden.

LoRA fine-tuning, 64’ünk bir rank kullanıldı. AdamW optimizatörü, pozlama modülasyonu için 2×10² öğrenme hızında kullanıldı.

Yazarlar, benzer kapsamda iki önceki çalışmanın olduğunu, ancak bunların hiçbirinin açık bir test aşaması için uygun olmadığını belirtiyorlar. Max Planck liderliğindeki 2022 GlowGAN çalışması, belirli görüntü kategorilerini üretmeyle sınırlıdır, mentre 2025 Bracket Diffusion (tekrar Max Planck Enstitüsü liderliğinde), yalnızca 256x256px’de HDR görüntü üretebilir ve bunu yapmak birkaç dakika sürer.

Orijinal GlowGAN makalesinden, tipik düşük dinamik aralıklı (LDR) görüntülerin vurgular ve gölgelerde ayrıntı kaybetmesi, modelin ise yüksek dinamik aralıklı (HDR) versiyonları üretebilmesi ve parlaklık seviyeleri boyunca ayrıntı koruması ve doygun bölgelerin geri kazanılmasını sağlayan ters ton eşleme yoluyla. Kaynak

Dolayısıyla, doğrusal görüntü oluşturması için doğrudan referansların отсутствığı durumda, yazarlar yöntemlerini, özel olarak tasarlanmış alternatifler yerine, güçlü mevcut modellerin uyarlamalarıyla karşılaştırdı.

Bir dizi deney (‘T2I Fine-Tuning’) Flux’u, LoRA kullanarak, doğrusal görüntüleri doğrudan üretmek için fine-tuning etti ve bir state-of-the-art T2I modelinin bu alana nasıl adapte edildiğini değerlendirdi.

İkinci bir karşılaştırma (‘T2V fine-tuning’) metin-videya modeli Wan 2.1ı kullandı, VAE’si birden fazla kareyi paylaşılan bir latent’e sıkıştırır; bu kurulumda, dört pozlama kademesi tek bir latent temsil içine kodlandı ve sonra geri decode edildi, video tarzı bir pipeline’ın maruziyet varyasyonunu modelleyebileceğini test etti.

Üçüncü dizi deney (‘T2I Model Inflation’) CameraCtrl ve Generative Photography ile karşılaştırmayı içeriyordu, bunlar da görüntü difüzyon modellerini, çoklu kare çıkışları üretmek için zamanlı modüllerle genişletir. Bunlar da aynı veriler üzerinde fine-tuning edildi, tutarlı bir karşılaştırma için.

Kullanılan metriklere Fréchet Inception Distance (FID); Estetik Skor (AS); Doğallık Görüntü Kalite Değerlendirici (NIQUE); CLIP Sim skor; ve Parlaklık Benzerliği (LS) dahildir:

<img class=" wp-image-414266" src="https://www.unite.ai/wp-content/uploads/2026/04/table-1-5.jpg" alt="Yazarların yönteminin, doğrusal, sahneye atıfta bulunan görüntüleri üretmek için uyarlanmış beberapa baz çizgi ile karşılaştırılması. Metin-görsel (Flux) ve metin-videya (Wan 2.1) modelleri, LoRA ile fine-tuning edildi, mevcut generatif sistemlerin bu ayarları nasıl ele aldığını test etmek için. CameraCtrl ve Generative Photography, difüzyon modellerini zamanlı bileşenler ile genişletir. Bazı skorlar eksik, çünkü belirli modeller tutarlı maruziyet kademeleri üretemez, bu da tam dinamik aralığını geri kazanmak için gereklidir. Rapor edilen metriklere göre, yeni yöntem genel olarak en güçlü sonuçları elde eder, özellikle görüntü kalitesi ve doğru parlaklık yeniden inşası ile ilgili ölçümlerde.

Bu sonuçlar hakkında, yazarlar şöyle diyor:

‘Doğrusal görüntülere doğrudan T2I Modelini fine-tuning yapmak, gölge ve vurgu ayrıntılarını dengelemek zor. T2I Modeli Enflasyon yöntemleri, sınırlı dinamik aralık ve fine-tuning sonrasında bile önemli görüntü kalitesi bozulmasına sahiptir.

‘T2V Fine-Tuning için, Wan 2.1’in 4× zamanlı downsampling, dört maruziyet kademesini tek bir latent temsil içine karıştırır, fine-tuning ile çözülemeyen ciddi bir dağıtım uyumsuzluğu yaratır.

‘Pozlama kademelerini kullanarak sahneye atıfta bulunan özellikler modelleyerek, yöntemimiz tüm baz çizgilerde üstün görsel kalite ve dinamik aralık elde eder.’

<img class=" wp-image-414267" src="https://www.unite.ai/wp-content/uploads/2026/04/figure-6-2.jpg" alt="LoRA ile uyarlanmış Flux ve Wan 2.1 ile karşılaştırma, her yöntemin aynı sahnelerdeki maruziyet değişikliklerine nasıl tepki verdiğini gösteriyor. Rakip yaklaşımlar, çok karanlık veya çok aydınlık bölgelerde ayrıntı kaybetme eğilimindeyken, önerilen yöntem tutarlı yapıyı korur ve tüm maruziyet aralığında kullanılabilir ayrıntı geri kazanır. Kaynak makale ve ilgili proje sitesine daha iyi kaliteli sonuç örnekleri için başvurunuz.

Lütfen daha fazla test için kaynak makalenin genişletilmiş deneyler ve ek materyaller bölümüne başvurunuz.

SONUÇ

Medya profesyonelleri için, film ve TV prodüksiyonu gibi alanlarda çalışanlar, dünyanın hayal gücünü (ve, giderek, öfkesini) ele geçiren aynı çıktı, onları etkilemedi, çünkü neredeyse tüm iş akışları某 şekilde HDR yakalamalarına dayanır.

Dolayısıyla, bu, zamanında bir projedir ve umulur ki, yeni çerçeveler boyunca isteğe bağlı bir standart haline gelecektir – ancak, bu, işleme sürelerini en az iki katına çıkaracağı ve gecikmenin ciddiyetle ele alınması gerektiği without a doubt.

* Normalde örnekler gösteririz, ancak okuyucunun HDR özellikli bir monitöre sahip olmayabileceği için bu durumda bunları atlıyoruz.

İlk olarak 26 Nisan 2026 Pazar günü yayınlandı