في هذه الورقة، نُقدّم نموذجًا جديدًا لشبكة عصبية عميقة تقوم بإعادة بناء صورة ذات نطاق ديناميكي عالٍ (HDR) من صورة واحدة ذات نطاق ديناميكي منخفض (LDR). يعتمد النموذج المقترح على شبكة عصبية تلافيفية مكوّنة من طبقات تلافيفية موسّعة (dilated convolutional layers)، ويُقدّر صور LDR بظروف إضاءة وتعريضات مختلفة من صورة LDR واحدة لنفس المشهد. ثم يتم تكوين الصورة النهائية HDR من خلال دمج نتائج هذه التقديرات. ويُعد من السهل نسبيًا على الطريقة المقترحة إيجاد العلاقة بين صور LDR وصور HDR ذات عمق بت مختلف، وذلك بفضل البنية المتسلسلة التي تُقدّر العلاقة بين صور LDR ذات تعريضات أوضح (أو أغمق) من صورة LDR المعطاة. وتتميز هذه الطريقة ليس فقط بتوسيع نطاق التقدير، بل أيضًا بقدرة فائقة على استعادة معلومات الإضاءة الخاصة بالعالم الفيزيائي الحقيقي. وبالنسبة للصور HDR التي تم الحصول عليها باستخدام الطريقة المقترحة، بلغ معدّل التقييم (HDR-VDP2 Q score)، الذي يُعدّ أكثر مقاييس التقييم شيوعًا للصور HDR، 56.36 عند عرضها على شاشة بدقة 1920×1200، ما يُمثّل تحسنًا قدره 6 نقاط مقارنةً بنتائج الخوارزميات التقليدية. بالإضافة إلى ذلك، عند مقارنة قيم نسبة الإشارة إلى الضوضاء القصوى (PSNR) للصور HDR التي تم توليدُها باستخدام التمثيل التوّافقي (tone mapping) من قبل الخوارزمية المقترحة والخوارزميات التقليدية، بلغ المتوسط الناتج عن الخوارزمية المقترحة 30.86 ديسيبل، وهو ما يفوق بمقدار 10 ديسيبل القيم المُحققة بالخوارزميات التقليدية.