إعادة بناء الصور HDR من تعرّض واحد باستخدام شبكات النيورونات العميقة (CNNs)

يمكن لمستشعرات الكاميرا التقاط نطاق محدود من الإضاءة في وقت واحد، ولإنشاء صور ذات نطاق ديناميكي عالٍ (HDR)، يتم عادةً دمج مجموعة من التعرضات المختلفة. في هذا البحث، نتناول مشكلة التنبؤ بالمعلومات التي فقدت في المناطق المشبعة بالصورة، وذلك بهدف تمكين إعادة بناء الصور HDR من تعرض واحد فقط. نوضح أن هذه المشكلة تناسب خوارزميات التعلم العميق بشكل جيد، ونقترح شبكة عصبية اصطناعية متعمقة ومتكررة (CNN) مصممة خصيصًا مع مراعاة التحديات في التنبؤ بقيم HDR. لتدريب الشبكة العصبية المتكررة، نجمع قاعدة بيانات كبيرة من الصور HDR، والتي نوسعها عن طريق محاكاة تشبع مستشعرات الكاميرا لمجموعة من الأجهزة. لتعزيز الصلابة أكثر، نقوم بتدريب الشبكة العصبية المتكررة بشكل أولي على قاعدة بيانات HDR المحاكاة والمُنشَأة من مجموعة فرعية من قاعدة بيانات MIT Places. نظهر أن أسلوبنا يمكنه إعادة بناء نتائج HDR ذات دقة عالية ومقبولة بصريًا في مجموعة واسعة من المواقف، وأنه يعمم بشكل جيد لإعادة بناء الصور التي تم التقاطها بكاميرات غير معروفة ومتنوعة وأجهزة كاميرا رخيصة تستخدم وظائف استجابة الكاميرا غير المعروفة ومعالجة ما بعد التقاط الصورة. بالإضافة إلى ذلك، نقارن بين طرق HDR الحالية للتوسيع، ونظهر نتائج عالية الجودة أيضًا للإضاءة المستندة على الصورة. أخيرًا، نقيم النتائج في تجربة ذوقية أجريت على شاشة HDR. وهذا يظهر أن الصور HDR المُعاد بناؤها هي مقبولة بصريًا، مع وجود تحسينات كبيرة مقارنة بالطرق الحالية.