Bio-SFT：用于稳健 HDR 重建的不对称皮层引导和视网膜适应
Bio-SFT: Asymmetric Cortical Guidance and Retinal Adaptation for Robust HDR Reconstruction
- College of Physics and Information Engineering, Fuzhou University（福州大学物理与信息工程学院）
- School of Computer Science, Nankai University（南开大学计算机科学学院）
- School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
研究针对单图像 HDR 重建难题，提出 Bio-SFT 方法，它包含可学习的视网膜适应前端、小细胞 - 大细胞分裂引导及事件驱动的 SNN 硬门控模块，经训练能有效抑制暗区噪声，提高感知质量，减少伪影传播。
AI中文摘要：
从单张标准动态范围（SDR）图像中恢复高动态范围（HDR）辐射是极不适定的。暗区的极端亮度变化和严重量化使得准确重建具有挑战性，常导致视觉伪影和颜色失真。为解决此问题，我们提出了 Bio-SFT，一种用于单图像 HDR 重建的受生物启发的脉冲频率变压器。Bio-SFT 包含三个具有生物学动机的组件。首先，一个可学习的中野 - 拉什顿视网膜适应前端在复杂光照条件下稳定输入。其次，一个明确的小细胞 - 大细胞分裂引入不对称的小细胞到大细胞引导，允许高频结构线索调制低频重建。第三，一个事件驱动的 SNN 硬门控模块应用全或无脉冲来抑制暗区噪声同时保留结构细节。该模块在稀疏性先验下训练以鼓励高效特征利用。在 HDRTV1K 上的实验表明，Bio-SFT 实现了有竞争力的感知质量，并持续提高 HDR-VDP-3 和$\Delta E_{ITP}$，同时减少对称引导管道中的伪影传播。
英文摘要：
Recovering high dynamic range (HDR) radiance from a single standard dynamic range (SDR) image is highly ill-posed. Extreme luminance variation and severe quantization in dark regions make accurate reconstruction challenging, often leading to visual artifacts and color distortions. To address this problem, we propose Bio-SFT, a bio-inspired spiking frequency transformer for single-image HDR reconstruction. Bio-SFT incorporates three biologically motivated components. First, a learnable Naka--Rushton retinal adaptation frontend stabilizes the input under complex lighting conditions. Second, an explicit Parvo--Magno split introduces asymmetric Parvo-to-Magno guidance, allowing high-frequency structural cues to modulate low-frequency reconstruction. Third, an event-driven SNN hard gating module applies all-or-none spiking to suppress dark-region noise while preserving structural details. The module is trained with a sparsity prior to encourage efficient feature utilization. Built for end-to-end training within a transformer backbone, these lightweight components provide strong parameter efficiency. Experiments on HDRTV1K show that Bio-SFT achieves competitive perceptual quality and consistently improves HDR-VDP-3 and $ΔE_{ITP}$ while reducing artifact propagation in symmetric guidance pipelines.
