借助神经形态相机成像的高动态性来弥补传统相机的不足，和之前那个用红外弥补RGB的论文如出一辙。然而神经相机成像的大小更小，且缺少颜色信息，所以利用其高动态的特性和一般相机图像做结合，可以帮助生成更高质量的HDR图像，一般的pipeline如下所示:
这里先把LDR图像进行反线性变换，然后从RGB转到YUV以便和神经相机获得的图像X进行融合，这里X要进行上采样，融合采用的方式是Y通道和X加权融合，然后和UV图像concat在一起，最后转成RGB图像。由于动态范围的不同，这里融合的结果和UV不一样，导致生成的结果颜色不自然，因此需要进行颜色补偿等后处理，然而即使如此也无法产生较好的visual效果。因此论文提出使用网络去实现这一过程，如下所示:
如上图，可以看出decoder部分X引导Y处理网络进行上采样和处理，最后使用attention机制生成mask，从而帮助恢复一些原始Y里曝光不好的区域。最后处理后的Y和UV合并，并且转换到RGB,由于颜色需要矫正，这里添加一个encoder-decoder结构进行后处理，在loss上，这里使用tone mapping之后的L1 loss和VGG loss。
由于缺乏真实场景数据，论文使用真实的HDR生成仿真的LDR，进而生成X。总的来看这篇论文和之前A+B模式的论文没有本质的区别，数据集上也没有提供真实的数据集，提供的图像融合模式可以借鉴一下。