HDRTV4K

HDRTV4K数据集是由中国传媒大学媒体融合与传播国家重点实验室创建，包含3878个高质量的HDRTV帧，用于训练和评估SDR到HDRTV的转换模型。数据集涵盖了多种视频内容，包括动画、电视演示、用户生成内容等，旨在通过提供多样化的HDR内容，帮助网络模型更好地学习和恢复高动态范围和宽色域的细节。创建过程中，研究人员从超过220个不同的视频片段中手工选择了这些帧，并使用DaVinci Resolve进行了重新分级以增加多样性。该数据集主要应用于提升SDR到HDRTV转换的视觉效果，解决现有方法在亮度和饱和度恢复上的不足。

The HDRTV4K dataset was developed by the State Key Laboratory of Media Convergence and Communication, Communication University of China. It contains 3,878 high-quality HDRTV frames intended for training and evaluating SDR-to-HDRTV conversion models. The dataset covers a wide range of video content types including animation, television demos, user-generated content, and more. Its core objective is to provide diversified HDR content to help neural networks better learn and restore details of high dynamic range (HDR) and wide color gamut (WCG). During the dataset construction process, researchers manually selected these frames from over 220 distinct video clips, and performed regrading using DaVinci Resolve to enhance content diversity. This dataset is primarily used to improve the visual effects of SDR-to-HDRTV conversion models, addressing the shortcomings of existing methods in brightness and saturation restoration.

搜集汇总

数据集介绍

构建方式

在媒体产业向高动态范围与广色域显示技术转型的背景下，HDRTV4K数据集的构建旨在解决现有训练数据在质量与多样性上的不足。该数据集从超过220个不同的视频片段中，精心筛选并手动提取了3878帧高质量HDRTV画面作为标注真值。这些画面均符合BT.2020广色域标准与PQ电光转换函数，峰值亮度为1000尼特，并以无损压缩的TIFF格式封装。为确保内容的丰富性，部分原始素材还通过专业调色软件进行了风格化重分级，以引入适度的扰动，从而在亮度和色彩体积、帧内多样性以及整体视觉风格三个维度上显著超越了先前数据集。

使用方法

该数据集专为训练SDR到HDRTV上转换的深度学习模型而设计。在使用时，研究人员将数据集中的HDR真值帧，通过论文提出的三种新型HDR-to-SDR退化模型——包括基于商业LUT的OCIO2、改进的Rec.2446 Method C结合色域映射、以及硬裁剪结合色域映射——进行退化处理，以生成配对的SDR输入。这些退化模型经过精心设计，能产生具有适度过曝光、且亮度与饱和度风格合理的SDR图像，从而确保网络能够学习到有效的恢复能力而非风格劣化。训练时，通常对HDR帧进行随机缩放与裁剪，生成图像块，并与退化后的SDR图像块构成训练对，用于优化如LSN等专用网络架构。

背景与挑战

背景概述

随着高动态范围宽色域电视在消费市场的普及，媒体产业面临一个核心矛盾：大量现有视频内容仍为标准动态范围格式，无法充分发挥新型显示设备的视觉表现力。HDRTV4K数据集应运而生，由通信大学媒体融合与传播国家重点实验室、鹏城实验室及北京大学等机构的研究团队于2023年联合创建，旨在解决SDR到HDRTV上转换这一低层视觉任务。该数据集聚焦于通过高质量、多样化的HDRTV参考帧及其对应的合成SDR数据，为基于学习的上转换方法提供更可靠的训练基础，从而推动显示技术内容适配领域的发展。

当前挑战

该数据集致力于解决的领域核心挑战在于SDR到HDRTV上转换是一个病态逆问题，需从有限的、存在退化的SDR信号中，重建出具有更宽亮度范围与色彩空间的HDR内容，并确保结果符合人类视觉感知偏好。在构建过程中，研究团队面临两大具体挑战：其一，现有公开数据集中HDR参考帧的质量与多样性不足，其高光与广色域像素占比有限，制约了模型学习生成真实HDR-WCG体积的能力；其二，用于从HDR标签生成配对SDR的退化模型存在缺陷，如YouTube转换倾向于过度提亮与增饱和，而Reinhard等色调映射则缺乏对过曝区域的充分模拟，导致训练出的网络可能学习到亮度降低与色彩去饱和的逆向退化模式。

常用场景

经典使用场景

在媒体产业中，随着高动态范围宽色域电视的普及，大量标准动态范围内容需要提升至HDRTV格式以优化观看体验。HDRTV4K数据集为此提供了高质量的训练样本，其核心应用场景在于训练深度学习模型，实现从SDR到HDRTV的上转换，以恢复高光细节、扩展色彩范围，并增强整体视觉表现力。该数据集通过精心设计的退化模型，模拟真实SDR内容的缺陷，使网络能够学习合理的恢复能力，从而在亮度、饱和度和动态范围上达到与原生HDR相近的效果。

解决学术问题

HDRTV4K数据集解决了SDR-to-HDRTV上转换任务中训练数据质量不足的关键问题。传统数据集在HDR/WCG范围、帧内多样性和整体风格上存在局限，导致训练出的模型产生暗淡、去饱和的结果，无法有效恢复高动态范围和宽色域优势。该数据集通过提供高质量、多样化的HDR标签帧和合理的退化模型，使网络能够学习到更准确的映射关系，从而在亮度分割、色彩恢复和高光重建等方面取得显著改进，推动了基于学习的低层视觉任务向感知驱动方向演进。

实际应用

在实际应用中，HDRTV4K数据集为广播电视、流媒体服务和消费电子领域提供了重要支持。它使得现有的大量SDR影视内容能够高效转换为HDRTV格式，适配日益普及的高动态范围显示设备，提升用户的观看体验。例如，在视频点播平台中，利用基于该数据集训练的模型，可以自动将经典影片或直播内容升级至HDR品质，无需重新制作，显著降低了制作成本并加快了内容交付速度。同时，该数据集也为硬件厂商优化显示算法提供了可靠的基准。

数据集最近研究

最新研究方向

在超高清高动态范围（HDR）视频处理领域，HDRTV4K数据集的推出标志着研究重心从单一网络架构优化转向训练数据质量与退化模型的系统性革新。该数据集通过提供高质量、多样化的HDR-WCG标签帧，并配套设计三种新型HDR-to-SDR退化模型，有效解决了现有方法因训练数据不足导致的输出画面暗淡、饱和度不足等核心问题。前沿研究聚焦于基于亮度分割的网络架构与感知驱动的评估体系，通过引入Transformer模块增强局部语义恢复能力，同时结合主观实验与细粒度量化指标，推动SDR-to-HDRTV上转换技术从数值重建向视觉体验优化的范式转变。这一进展不仅提升了现有SDR内容在HDR设备上的呈现效果，也为媒体产业的内容适配与高质量视觉重建提供了新的技术路径。

相关研究论文

• Learning a Practical SDR-to-HDRTV Up-conversion using New Dataset and Degradation Models

  中国传媒大学媒体融合与传播国家重点实验室 · 2023年