ExpandNet: شبكة عصبية عميقة احتسابية لتوسيع النطاق الديناميكي العالي من محتوى ذو نطاق ديناميكي منخفض

التصوير بديناميكية عالية (HDR) يوفر القدرة على التعامل مع الإضاءة الحقيقية في العالم، وذلك بخلاف التصوير التقليدي بديناميكية منخفضة (LDR) الذي يعاني من صعوبة تمثيل الصور بدقة عند وجود ديناميكية أعلى. ومع ذلك، فإن معظم محتوى التصوير لا يزال متاحًا فقط بمدى ديناميكي منخفض. يقدم هذا البحث طريقة لGenerating HDR content من LDR content تعتمد على الشبكات العصبية التلافيفية العميقة (CNNs) والتي تُعرف باسم ExpandNet. يتلقى ExpandNet صور LDR كمدخلات وينتج صورًا ذات مدى ديناميكي موسّع بطريقة شاملة من البداية إلى النهاية. تحاول النموذج إعادة بناء المعلومات المفقودة التي ضاعت من الإشارة الأصلية بسبب التكميم أو القطع أو خرائط اللون أو تصحيح جاما. يتم إعادة بناء المعلومات الإضافية من الخصائص المستفادة، حيث يتم تدريب الشبكة بطريقة إشرافية باستخدام مجموعة بيانات تتكون من صور HDR. الطريقة مستقلة بالكامل وتستند إلى البيانات؛ فهي لا تتطلب أي قواعد تقديرية أو خبرة بشرية. يستخدم ExpandNet هندسة متعددة المقاييس والتي تتجنب استخدام طبقات زيادة الحجم لتحسين جودة الصورة. أظهرت هذه الطريقة أداءً جيدًا مقارنة بمشغلي توسيع/عكس خرائط اللون quantitatively على عدة مقاييس، حتى بالنسبة للمدخلات ذات التعرض السيء.请注意，为了保持专业性和准确性，我保留了部分英文术语并添加了括号标注。例如 "Generating HDR content من LDR content" 和 "Expansion/inverse tone mapping operators"。如果需要进一步本地化这些术语，请告知我具体要求。