单帧hdr。对于该文章网上有很多相关解读。这里不主要说文章内容，主要从代码执行的角度来分享。

简单看一下网络结构，是一个经典的UNet baseline的网络，对模型部署是比较友好的。

有残差，有注意力机制，有权重选择，，具体结构不分析了，并不复杂，没有bn。

模型最优效果，21年的第二名，比之前的网络更简洁效果更好，比21年的第一名只差0.00几的精度。

项目类似这样，作者给了预训练模型，虽然精度只有psnr-all = 30 psnr-mu=20上下。

首先是数据集，作者的意思是强烈希望我们跑他的比赛数据，这个数据可以在比赛官网找到。

找到之后，我们打开某一个文件夹下，会看到一组gt，long，mid，short，alignratio.npy，exposure.npy。这里要说的是gt是16位的png，这个没问题，然后这个alignratio.npy，这是作者提出的对齐率，说是65535/max(pic)，这里其实是比较疑惑的地方，对齐率打开发现大约的值都在20000-40000这样，那么也就是说pic max应该在2-3这样，那我只能理解为原始的.hdr格式的图像最大值是2-3左右的浮点数，这样是可以解释的，但是问题在于，我又找到了其他的单帧hdr数据集，比如台湾大学的数据，他们给到的是标准的0-1之间的hdr数据，我同样给他们转化成png16位，发现台大和比赛的数据png16位是可以对的上的，但是台大的数据的alignratio是多少我不知道该怎样确定了，我默认全部位65535，拿去训练发现效果不对，现在还在训练比赛数据，比赛数据的loss以及psnr的涨幅是符合预期的，但是台大的数据真不想浪费，最近就想思考这个alignratio到底要怎样取值，有明白的老哥可以交流一下。。

训练，#python train.py -opt options/train/train_HDRUNet.yml

执行这个yml就行，里面给定好路径，这里作者没有详细说明，其实要的都是png的图片。名字要对的上就行。

test：#python test.py -opt ./codes/options/test/test_HDRUNet.yml

通用的yml，指定路径的权重即可。。

这里有个tonemap也是需要alignratio的，这个alignratio是自动生成的、这里也是我打算仔细看一下的地方。。

等待第一版结果。。。