本文刊发于《现代电影技术》2026年第3期
专家点评
丁友东
教授
上海大学上海电影学院党委书记、博士生导师，上海电影特效工程技术研究中心副主任
我国具有自主知识产权的数字电影LED放映系统，凭借自发光、高对比度、广色域等技术优势，正成为电影放映技术发展的重要方向之一；推动HDR电影内容的制作、发行与放映，对于提升影院视听品质、发挥国产放映系统技术优势、增强我国电影产业核心竞争力具有重要的现实意义。当前及未来，存量内容的SDR转HDR适配及其艺术意图保持仍是制约电影产业规范化发展的核心技术瓶颈。《电影SDR与HDR映射结构研究——基于ASC StEM2技术测试片的实证分析》一文立足于我国电影产业HDR放映规范化与设备国产化的现实需求，创新性引入EXR作为物理锚点，通过对ASC StEM2测试片画面的逐像素统计，构建了包含高动态范围EXR源数据、SDR与HDR发行母版的“物理-感知”三层对照体系，量化了影像重制过程中的经验性操作，对于探寻数字电影HDR制版规律、指导逆色调映射（ITM）算法开发及AI模型先验设计具有重要的理论价值与工程前瞻意义。论文成果打破了以往ITM算法试图从单一SDR信号反推物理世界的“盲盒”局限，为相关AI算法从单纯数据驱动的“黑盒”拟合走向基于受限复原机制的“白盒”规则提供了扎实的统计学依据，将为AI算法的精准转化及相关技术标准制定提供关键支撑，全面助力我国电影产业的高质量可持续发展。
项目信息
中国电影科学技术研究所（中央宣传部电影技术质量检测所）基本科研业务费项目“LED数字电影放映屏4K/HDR视频控制技术研究”（2025‐DKS‐12）。
作者简介
张 鑫
硕士，中国电影科学技术研究所（中央宣传部电影技术质量检测所）高级工程师，主要研究方向：数字电影技术。
陈晓艺
硕士，高级工程师，中国电影科学技术研究所（中央宣传部电影技术质量检测所）传输放映技术研究处处长，主要研究方向：数字电影技术。
摘要
本文以美国电影摄影师协会（ASC）技术测试片StEM2为研究对象，通过对全片18,580帧的逐像素统计，建立高动态范围（HDR）图像格式EXR源数据、标准动态范围（SDR）与高动态范围发行母版三层对照体系，系统分析了三者间的亮度与色彩映射结构关系。研究发现，HDR与SDR母版在亮度维度上呈现高度稳定的全局单调对应关系，画面几何结构在整体上保持一致，仅在自发光高光与特定材质区域出现稀疏且结构化的偏离；在色彩维度上，二者整体保持色相稳定，饱和度呈现中间调释放、两端收敛的重分配特征。本文进一步引入EXR作为物理参考构建决策图谱，统计结果表明约82.4%的图像区域可通过对SDR版本的物理复原实现向HDR的有效适配，仅在极端高光与特定材质区域需进行有限的语义性调整，以匹配HDR的动态范围与色彩特性。研究表明，SDR到HDR的适配过程可概括为一种“受限复原”机制，该机制及其统计规律可为相关算法开发和人工智能（AI）模型先验设计提供参考。
关键词
数字电影；高动态范围（HDR）；StEM2；受限复原；逆色调映射
1
引言
当前，我国电影产业正处于转型升级与高质量发展的关键阶段。深化电影科技自主创新，完善电影技术标准体系，提升国产电影技术装备水平是落实国家电影强国战略的关键举措。高动态范围（HDR）作为提升银幕视觉效果的关键技术，其放映标准已写入我国电影行业标准 DY/T 8—2023《数字电影LED影厅技术要求和测量方法》[1]，这标志着我国HDR放映正式进入规范化、标准化的发展阶段。
与此同时，国际上电影高动态范围标准不断演进[2]。国际标准化组织（ISO）将高动态范围（HDR）图像定义为亮度变化范围显著拓展、动态范围显著优于标准动态范围（SDR）图像的影像格式[3,4]。HDR的核心并非单纯提升峰值亮度，而是在覆盖更宽亮度范围的同时，确保可见的画面细节与层次。数字电影倡导组织（Digital Cinema Initiatives, DCI）最早将影院HDR的峰值亮度设定为300 cd/m²，这一数值基于主观评价测试结果确定[2]，当峰值亮度达到该水平后，更高的亮度不会带来明显的主观评价提升[5]。我国也形成了相应的技术标准，国家电影行业标准 DY/T 8—2023《数字电影LED影厅技术要求和测量方法》中明确规定，HDR放映模式的中心点亮度和全屏亮度平均值为（299.6±9.0） cd/m²。视觉感知研究表明，环境光条件会影响人眼的视觉适应，改变人眼对亮度与对比度的敏感性，为理解影院暗环境中HDR感知特性提供了生理学层面的支持[6]。在技术实现上，HDR技术适配不仅需要完成亮度动态范围的扩展，还需同步实现色彩的适配管理，二者共同构成SDR与HDR间的映射关系[7]。
随着LED放映屏等新型显示终端在国内加速推广，HDR内容的放映硬件基础日趋完善，针对LED放映技术特点的HDR制版流程方案基本形成。与此同时，大量存量SDR影片面临向HDR版本适配的现实需求。现有主流逆色调映射（Inverse Tone Mapping, ITM）方法通常以画质增强、重建真实光照等为目标[8]，试图从单一SDR信号反推（Inverse）物理世界的亮度分布。然而，此类方法隐含的假设是，SDR可通过算法手段进行物理反推[9]。电影母版是经过曝光控制、构图选择、调色风格化及叙事表达等多重决策形成的产物，影调与色彩结构在母版阶段已经被人为固化，其目标是服务叙事结构与视觉表达。因此，本文将目标设定为通过分析真实影片制作流程中的高质量数据，刻画SDR与HDR发行母版之间亮度与色彩结构关系的统计特征。
当前相关研究主要集中在SDR与HDR显示特性、色调映射算法及感知质量评估等方面，而结合真实电影制作流程，对SDR与HDR发行母版之间统计关联进行系统分析的研究相对较少，对于二者是否存在稳定的结构对应关系以及统计特征差异，亦缺乏量化分析与研究。这导致研究者难以提炼普适性映射规律，构建可靠的数学模型开展有效建模计算。
美国电影摄影师协会（ASC）的标准评估素材Ⅱ（Standard Evaluation Material Ⅱ, StEM2）作为新一代数字影院系统权威测试影片，为研究SDR到HDR的映射规律提供了数据条件[10]。该测试片不仅提供SDR（DCI⁃P3、Gamma 2.6、48 cd/m², 12⁃bit JPEG 2000）与HDR（DCI⁃P3、PQ、300 cd/m²、12⁃bit JPEG 2000）的数字电影发行包（DCP），可用其转换为数字电影发行母版（DCDM），还提供ACES AP0线性空间下的EXR源数据（16⁃bit Float）；三者同属一条制作流水线，可构造单源多显示条件的对照体系，为分析不同版本图像之间的内在结构关系提供了基础。
2
数据与方法
2.1实验数据
ASC StEM2《任务》（The Mission）是一部围绕明确系统测试目标、采用反向设计思路构建的测试影片。其剧本结构、拍摄方案与后期制作流程均是为测试数字影院系统而专门设计，测试内容覆盖动态范围边界、广色域覆盖、压缩编码鲁棒性、运动伪影控制及虚拟摄制与LED容积屏（Volume）融合后的系统一致性等关键技术指标。
影片在内容设计阶段引入多种高对比度与极端光照条件的测试场景（图1）。例如，开篇洞穴段落通过LED虚拟摄制构建大面积暗场与高亮点光源的高反差环境；车内驾驶桥段利用强过曝背景模拟极端光比；特效晶体道具的色彩被推至Rec.2020色域边界，以测试广色域下的饱和度极限；此外还包含快速横摇镜头（用于测试运动伪影）及大面积烟雾渐变（用于测试量化带状伪影）。这些设计使影片成为HDR系统能力测试的有效载体。
图1 ASC StEM2《任务》基于时间线的叙事段落及技术挑战对应统计
在制作流程层面，StEM2采用学院颜色编码系统（Academy Color Encoding System, ACES）作为全流程色彩管理框架[11]，其原始拍摄素材及虚拟资产统一归一至ACES AP0线性空间，并在此基础上通过不同输出设备变换（Output Device Transform, ODT）生成SDR与HDR发行母版。因此，该片的SDR与HDR版本并非两次独立创作，而是同一源素材在不同显示条件下的两种表达形式。这种单源同构特性，使其EXR源数据、SDR母版与HDR母版三者间的差异主要由显示目标与感知适配策略决定。其中，HDR母版的电光转换采用SMPTE ST 2084感知量化曲线（PQ EOTF）[12]，以实现与人眼视觉感知的良好匹配。
2.2 数据域的界定
为便于分析，同时避免不同数据属性的混淆，本文将EXR源数据、SDR母版与HDR母版等3种数据划分为两个概念不同的域。
（1）物理域。物理域以EXR源数据为代表，其数值与场景辐射强度（Radiation Intensity）呈近似线性关系，具有极宽的动态范围与色域覆盖。该域的数据未针对具体显示设备进行感知适配处理，也未引入调色师的风格决策，因此更接近于拍摄阶段的原始记录。
（2）感知域。感知域以最终发行的SDR与HDR版本为代表。这两种版本在调色与母版制作阶段引入了创作决策，考虑了人类视觉系统（HVS）的适应机制与目标显示条件，侧重于面向观众的最终视觉呈现。
2.3 分析流程与统计方法
本研究以逐帧扫描方式对StEM2正片部分共18,580帧进行全量统计分析，并辅以分场景随机抽样，覆盖日景、夜景、室内、车内及特效场景等多种典型拍摄条件。为避免将噪声和无关信息统计在内，分析过程剔除了片尾字幕、黑场等非剧情段落。
（1） 对数亮度散点分析
通过在对数亮度域绘制SDR与HDR版本图像对应像素的散点分布，直观呈现整体映射形态，揭示二者间亮度关系。
（2） 单调回归（Isotonic Regression）
采用保序回归方法拟合最优单调非减函数[13]，验证SDR与HDR间是否存在稳定的全局顺序保持关系。其目标函数为：
式（1）中，xi与yi分别表示对应像素的SDR与HDR亮度值。拟合优度通过式（2）决定系数(R2)进行量化。
（3） 结构一致性分析
为比较不同版本几何结构的相似性，本文在梯度域计算图像的皮尔逊相关系数（Pearson Correlation Coefficient）ρ。利用索贝尔算子（Sobel Operator）提取梯度幅值，计算对应像素的相关性，评估边缘与纹理结构的保持程度。
（4） 色彩空间与色差度量
在色彩分析中，本文采用ICtCp感知均匀色彩空间，使用ΔEITP作为像素级差异度量。该度量在HDR与广色域条件下具有更好的感知均匀性，适用于不同显示条件下的对比。
3
亮度与色彩的结构性统计关系
3.1 亮度结构关系
3.1.1 全局单调映射特性
图2给出了StEM2全片像素在绝对亮度域中的SDR到HDR的映射分布，两者间有着清晰的单调对应关系。其中，青色曲线表示基于保序回归估计得到的全局映射基线，灰色虚线为1∶1恒等映射参考。可以观察到，HDR版本主要是在高亮区域扩展了亮度上限。在低亮度区域，由于引入影院最低有效黑电平作为参考基准，映射关系呈现出偏移，感知效果是暗部产生更多的层次细节。
图2 SDR与HDR母版在亮度域中的全局映射关系
统计结果显示，超过85%的镜头SDR与HDR亮度对应关系的决定系数R2大于0.99，平均值约为0.9986。表1给出了按场景分类的统计结果。在日间车内、夜间室内等主要场景中，R2均值达到0.999以上；在光比最极端的洞穴场景，R2均值仍达0.996，最低值0.917发生在画面中存在强烈灯光的单帧中。以上特征与ITU⁃R BT.2100中关于电光转换函数（EOTF）感知单调性原则一致[14]，表明高动态范围扩展是建立在对场景亮度结构的严格继承之上，不存在对原始意图的破坏性重构。
表1 StEM2各场景SDR⁃HDR亮度映射统计
本文从影片选取具有代表性的镜头作为统计样本，样本总数为204个，按场景类型分组，用于分析在不同拍摄条件下SDR与HDR亮度映射和结构特性。表1显示，SDR与HDR在空间梯度分布及纹理结构上也具有高度一致性，绝大多数镜头的梯度相关系数ρ大于0.96，这说明HDR制作未引入显著的几何结构重排。
如图3所示，在包含强高光或自发光元素的场景中，亮度分布在高亮区间出现显著延展，像素散点整体偏离1∶1恒等映射曲线；而在低亮度或整体对比度受控的场景中，亮度分布紧凑集中。
图3 典型场景的SDR⁃HDR映射特性
3.1.2 亮度残差结构
为区分HDR制作中针对特定内容的局部意图（偏离），需将这一调整从全局亮度映射中解耦出来。为此，本文引入亮度残差概念，用以描述HDR亮度与全局单调基线预测值间的差异。这种差异反映了在制作HDR时，针对特定图像区域所实施的、独立于全局策略之外的微调操作。
（1）残差能量与结构指标
图4 残差在能量-结构空间的聚类与物理/语义归因
本文将亮度残差投射至“能量-结构”二维特征空间，对其分布进行分析（图4）。其中，单像素亮度残差定义为式（4）。
（2）3类典型残差
Type Ⅰ：自发光高亮（Self⁃Luminous Highlights）残差，主要分布于强自发光元素区域，如洞穴场景中的聚光灯、爆炸场景中的火花等。其统计特征表现为残差能量显著增大，且残差边缘位置与发光体轮廓高度重合。为确保主体区域的整体曝光与可视性，SDR母版往往对超出显示能力的高亮信号进行剪切或压缩。在HDR母版中，则可利用更高的亮度上限，对原先受限的高亮极值进行释放，从而呈现更完整的高光细节。高亮区域在视觉注意分配中通常具有更高权重[15]，HDR制作通常优先对这些区域进行动态范围扩展，因此该区域会表现出较显著的残差。
Type Ⅱ：材质与结构纹理残差，主要分布于影片中的透明显示屏、玻璃反射及金属高光等区域。其统计特征表现为结构分数较高，而残差能量处于中等水平。这类残差可理解为对材质质感的增强，在保持整体亮度关系稳定的前提下，对具有明确结构语义的细节区域进行的调整。此类与结构高度相关的差异往往承载更多的有效语义信息[16]。
Type Ⅲ：负对照区域残差，代表了画面中能够通过全局单调映射充分解释的部分。典型表现在测试片开头的简单图形文字以及片头字幕画面中，尽管画面存在黑白反差，但对应区域的残差能量与结构分数均较低。在缺乏复杂叙事需求或材质表现目标的情况下，全局单调映射已能充分解释它们之间的亮度关系，因此无需引入额外风格化补偿或噪声成分。这一现象可作为前述残差分析的负对照，用来验证补偿机制的触发条件。
由表2可知：（1）Type Ⅲ低残差区域在像素数量上占据约50%的主导地位，其能量占比仅约为0.8%；（2）Type Ⅰ和Type Ⅱ总像素比例约为50%，却贡献了超过99%的残差能量，其中TypeⅠ自发光高亮区域虽仅约占18%像素，但承载了95%的残差能量；（3）SDR到HDR的差异主要集中在语义显著区域（高光与材质），残差分布整体呈现出稀疏而结构化的特征。
表2 StEM2残差分类统计
3.2 色彩结构关系
除亮度之外，SDR与HDR间的差异同样体现在色彩分布上。但与亮度不同，在相同色域条件下，色彩变化并不直接由显示系统能力决定，而更多与物体属性和创作表达相关。HDR制作通常尽量保持色相稳定[17]。因此，有必要检验SDR与HDR在色彩结构上是否保持一致，以及其变化是否具有稳定的统计特征。
为避免白点差异影响色度分布，本文在DCI⁃P3色域条件下对SDR与HDR数据进行Bradford色适应变换，使二者在同一白点条件下对齐；随后，将数据转换至ICtCp感知均匀空间进行分析。本文采用以下4个指标描述SDR与HDR间的色彩差异。
（1）色相稳定性：ICtCp空间中色相角差值绝对值的均值（MeanΔh），其中Δh为SDR与HDR色相之差的圆周差值，反映整体色相偏移水平。
（2）色相异常值：色相角差值绝对值的95%分位数，表征极端情况下的色相维持能力。
（3）彩度相关性：SDR与HDR像素点在彩度（Chroma）间的皮尔逊相关系数，旨在评估色彩浓度的整体结构一致性。
（4）饱和度增强比例：在给定亮度区间内，HDR图像饱和度高于SDR图像饱和度（即对应像素间饱和度差ΔS>0）的像素比例，用以量化色彩体积的补偿性释放。
综合图表分析，可得到SDR到HDR的色彩映射主要存在以下特征。
（1）色相偏移与稳定性
在图5（a）中，色相偏移主要集中在0值附近，大多数像素的色相变化幅度较小。表3给出的平均色相偏移为2.38°，P95为6.52°，均低于人眼在复杂场景中对色彩记忆的可分辨范围。由此可见，HDR版在色相层面基本沿用了SDR的色彩关系，色彩所承载的语义信息保持稳定。
（2）饱和度与色彩体积变化
图5（b）给出了饱和度变化随亮度变化的分布。结合表4可见，在20～100 cd/m²的中间调区域，饱和度平均变化为+0.003，同时约66.9%的像素出现饱和度增强。该区间内增强像素比例较高，但平均幅度较小，说明HDR在中间调对色彩体积进行了有限释放。在暗部区域（<20 cd/m²），饱和度平均变化为-0.039，仅有30.8%的像素出现增强；同时，该区域像素占比达到85.8%。这表明暗部像素在HDR中以去饱和为主，主要与亮度和对比度被重新拉开后，感知饱和度随之降低有关。在高亮区域（>100 cd/m²），饱和度平均变化为-0.008，饱和度增强比例下降至34.4%。随着亮度逐渐接近白点，可用色域截面减小，高亮区域的色度受到限制，饱和度随之回落。
图5 ICtCp空间下的SDR与HDR色彩分布对比
表3 StEM2色彩现象学统计指标（ICtCp空间）
表4 StEM2色彩指标按亮度分段统计（ICtCp空间）
3.3 基于物理基准的行为分类
前述分析揭示了SDR与HDR在亮度与色彩维度上的结构关系。然而，仅凭两个版本母版间的对比，仍无法判断这些差异究竟源于目标显示条件的变化抑或创作性重构的结果。为此，本文进一步引入EXR源数据作为物理参考，构建EXR⁃SDR⁃HDR的三层对照体系，对HDR母版的制作行为进行可解释分类，通过构建一种行为判别框架，区分不同区域中HDR母版相对于SDR的变化究竟更接近物理复原（释放受限表达的信息）或是语义调整（引入创作性与感知补偿）。
（1）判别指标的选择与度量依据
不同显示条件下，亮度变化是不可避免的，其数值受EOTF形式、峰值亮度上限、黑位重标定及视觉适应等因素影响显著。相比之下，色彩关系，尤其是色相与局部对比结构，在电影叙事中具有更强的稳定性，更适合作为“创作意图是否被保持”的代理指标。基于这一考虑，本文选择在ICtCp感知均匀色彩空间中，采用ΔEITP进行感知距离度量，作为判定HDR制作行为属性的依据。
由于EXR数据为场景相关的相对辐射记录，而发行母版为显示相关的绝对亮度，二者间没有现成的亮度比例关系。为消除这一差异，首先将EXR（ACES AP0）转换至XYZ（D65）空间，并以中灰亮度区间为锚点，对EXR的整体曝光水平进行增益补偿，使其与SDR与HDR的中间调区域对齐。完成对齐后，对每个像素位置(x)，计算其在SDR与HDR版本中相对于EXR参考的感知距离，记为：
式（5）中，ΔE(x)为感知空间中的结构偏离程度，数值始终为非负量，用于表达远近关系。进一步构建如下决策规则：若ΔEHDR(x)＜ΔESDR(x)，则判定HDR在该区域更接近物理参考，记为物理复原；若ΔEHDR(x)>ΔESDR(x)，则判定HDR在该区域相较SDR引入了额外偏离，记为语义调整。为过滤纹理遮蔽与量化噪声的影响，本文设定3JND（ΔEITP≈3）为工程鲁棒性阈值，当两者差异低于此阈值时，视为非显著微扰，不作明确分类。由此可得像素级二元分类决策图谱（Decision Map），用于不同区域的类型判定。
（2）决策图谱的统计分布特征
将上述方法应用于StEM2的多个典型场景，所得决策图谱在不同光照条件与内容类型下呈现出二元分层结构，如图6所示。
图6 不同典型场景下的决策图谱
由图6可知，物理复原区域（绿色）在整体上占据主导地位。对全片91帧进行采样分析，得到物理复原区平均比例为82.4%，详见表5。
表5 StEM2物理复原与语义调整比例
相比之下，语义调整区域（红色）主要集中于极端高光（如聚光灯中心）、高饱和发光体（如霓虹灯管）以及特定材质的镜面反射区域。上述区域往往对应显示约束、亮度剪切或色彩体积压缩等最为显著的情况。
（3）分类结果的物理成因及其对SDR到HDR映射的含义
前述分类基于感知色差指标完成，但其物理成因可结合亮度结构特征与信噪比条件进行解释。
在物理复原区域中，HDR版本在统计上表现为更接近EXR的亮度与色彩结构。在这些区域，SDR与EXR间的差异主要体现为动态范围压缩。信息在SDR中未表现出显著的结构性破坏，而主要受到目标显示动态范围的限制。因此，从SDR到HDR的映射在此类区域具有物理可逆性。然而，可逆程度受到原始素材信噪比的显著影响（表6），即在高亮、高信噪比场景中（如沙漠戈壁），HDR和EXR的结构相关性明显高于低亮、低信噪比场景（如洞穴）。换言之，由于对应信号通常被噪声主导或在母版制作阶段发生了不可逆处理，低信噪比区域较难恢复原始物理结构特征。因此，这类区域应采用基于视觉感知的方法，通过调整亮度、对比度和色彩关系，在不放大噪声和改变结构的前提下进行重建。
表6 StEM2物理基准（EXR）与发行母版（SDR/HDR）的结构相关性
在语义调整区域中，残差主要集中于自发光高亮、镜面高光及特定材质区域。这些区域在SDR中往往经历了严重的亮度剪切、饱和度压缩或量化失真，导致原始物理结构在SDR中已丢失、不可逆。因此，在这些区域的变化不可恢复，但可在保持色相与物体身份稳定的前提下，对亮度与饱和度进行有限补偿。
4
总结与展望
本文以ASC StEM2技术测试片为研究对象，结合实证与统计分析，量化对比了EXR源数据、SDR与HDR发行母版在亮度与色彩维度上的映射关系。结果表明，SDR与HDR母版间存在稳定的全局单调对应关系，其画面结构在整体上保持高度一致；而EXR与发行母版间的差异，表明影调风格主要在母版制作阶段被固化。基于EXR构建的决策图谱进一步显示，全片约82.4%的区域可归类为物理复原，仅在自发光高亮及特定材质区域出现有限的语义调整。
基于上述实证结果，本文将SDR到HDR的适配行为概括为一种受限复原（Restrained Restoration）机制，即在保持原有叙事结构与感知语义稳定性的前提下，对受SDR 显示条件限制的信息进行选择性释放。具体而言，在亮度维度上，该过程以全局单调基线为主，仅在结构与语义显著区域引入受控补偿；在色彩维度上，色相总体保持稳定，而饱和度随亮度呈现出中间调增强比例较高、暗部与高亮区间偏收敛的分配特征，反映了HDR制作中对色彩体积的重分配规律。
展望未来，随着电影高技术格式放映的加速普及，深化技术应用、完善标准体系、强化质量检测以及推进设备国产化已成为驱动中国电影产业高质量发展的核心抓手，而本文揭示的规律与机制，在上述领域均具备研究价值与应用潜力。在技术研发层面，本文的实证结果可为人工智能（AI）驱动的[18]SDR到HDR智能转换提供可解释的先验规则与量化评价基准，推动算法从数据驱动的“黑盒”拟合走向可解释、可验证的“白盒”研发模式，为人工智能技术应用的相关标准化工作奠定基础依据。在行业应用层面，存量SDR影片与HDR内容共存的背景下，本文提出的方法与SMPTE ST 2094系列标准理念兼容，未来可探索将算法预测的增益信息作为辅助元数据随DCP下发，进而形成简化内容发行复杂度的技术标准，降低发行与运营成本，助力我国在LED影厅母版制作、内容分发等环节形成自主标准体系。在国产化放映设备研发层面，相关技术适配可从制作侧延伸至放映链路，形成自主可控的核心技术能力，在有限计算资源下实现高质量、低失真的影像转换，筑牢数字电影技术自主可控底座。
综上所述，本文成果既为电影高技术格式的技术研发提供了实证先验，也为行业标准化、质量检测体系与国产化设备研发提供了关键技术支撑，对推动电影产业朝着智能化、规范化、高质量方向发展具有积极意义。
参考文献
（向下滑动阅读）
[1] 国家电影局.数字电影 LED 影厅技术要求和测量方法:DY/T 8—2023[S]，2023
[2] Digital Cinema Initiatives, LLC．High dynamic range D⁃cinema addendum, version 1.2.1[EB/OL].(2024⁃02⁃28)[2026⁃01⁃26].https://www.dcimovies.com/announcements/.
[3] ISO. Photography and graphic technology—Extended colour encodings for digital image storage, manipulation and interchange—Part 5: High dynamic range (HDR) and wide colour gamut (WCG) colour encoding：ISO/TS 22028⁃5:2023[S],2023．
[4] ISO.Digital photography—Gain map metadata for image conversion：ISO 21496⁃1:2025[S], 2025.
[5] Digital Cinema Initiatives, LLC.DCI Memorandum on HDR Double⁃Blind Image Testing[EB/OL].(2021⁃07⁃01)[2026⁃01⁃26].https://www.dcimovies.com/assets/DCI-Memo-on-HDR-Image-Testing_2021-0701.CfQoYrHP.pdf.
[6] CYRIAC P，CANHAM T，KANE D，et al. Vision models fine⁃tuned by cinema professionals for high dynamic range imaging in movies[J].Multimedia Tools and Applications，2021，80(2): 2537⁃2563. doi:10.1007/s11042-020-09532-y．
[7] BANTERLE F, ARTUSI A，DEBATTISTA K，et al. Advanced high dynamic range imaging: theory and practice[M].2nd ed. Boca Raton：CRC Press, 2017.
[8] WANG C, BANTERLE F, REN B, et al. AIM 2025 challenge on inverse tone mapping report: methods and results[EB/OL].(2025⁃08⁃21)[2026⁃01⁃26]. https://arxiv.org/abs/2508.13479.
[9] ITU⁃R. Report ITU⁃R BT.2446⁃1: methods for conversion of high dynamic range content to standard dynamic range content and vice⁃versa[R]. Geneva：ITU，2021.
[10] The American Society of Cinematographers.Standard evaluation material II (StEM2)[EB/OL]. [2026⁃01⁃26]. https://theasc.com/society/stem2.
[11] SMPTE. Academy color encoding specification (ACES)：SMPTE ST 2065⁃1:2021[S], 2021.
[12] SMPTE. High dynamic range electro⁃optical transfer function of mastering reference displays：SMPTE ST 2084:2014[S], 2014.
[13] BUSING F M T A．Monotone regression: a simple and fast O(n) PAVA implementation[J]. Journal of Statistical Software, 2022，102(1)：1⁃25. doi:10.18637/jss.v102.c01．
[14] International Telecommunication Union Radiocommunication Sector. Image parameter values for high dynamic range television for use in production and international programme exchange: ITU⁃R BT.2100⁃3[S], 2025．
[15] Nemoto H, Korshunov P, Hanhart P, et al. Visual attention in LDR and HDR images[EB/OL].(2015⁃02⁃05)[2026⁃01⁃26].https://infoscience.epfl.ch/entities/publication/8ce4bea3-1d16-4507-8847-2080936d51fb/files/viewer/e9191d72-e6c
d-4fc2-965e-0f91092212de/pdf.
[16] JUNYENT M，BELTRAN P，FARRE M A，et al．Video content and structure description based on keyframes, clusters and storyboards[C]//Proceedings of IEEE 17th International Workshop on Multimedia Signal Processing (MMSP).Xiamen：IEEE，2015.
[17] ITU⁃R.Suggested guidance for operationalpractices in high dynamic rangetelevision production[EB/OL].(2025⁃02⁃11)[2026⁃01⁃26].https://www.itu.int/dms_pub/itu-r/opb/rep/R-REP-BT.2408-8-2024-PDF-E.pdf.
[18] SMPTE. SMPTE ER 1011:2025 Artificial intelligence and media[R]. White Plains, NY: SMPTE, 2025.
期刊导读 |《现代电影技术》2026年第3期
影视数字资产的智能构建：基于Multi⁃SLAM+3DGS技术的三维数字重建方案研究
傅凌焜等：新能源技术赋能电影产业绿色转型的路径研究——以运达集团移动储能系统为例
热门跟贴