HDRUNet: إعادة بناء الصورة عالية الديناميكية من صورة واحدة مع إزالة الضوضاء وإعادة التكميم

معظم الكاميرات الرقمية للمستهلكين يمكنها التقاط نطاق محدود من الإضاءة في المشاهد الحقيقية بسبب قيود المستشعر. بالإضافة إلى ذلك، غالبًا ما يتم إدخال الضوضاء وأخطاء التكميم أثناء عملية التصوير. من أجل الحصول على صور ذات نطاق ديناميكي عالي (HDR) بجودة بصرية ممتازة، فإن الحل الأكثر شيوعًا هو دمج صور متعددة ذات تعريضات مختلفة. ومع ذلك، ليس دائمًا من الممكن الحصول على صور متعددة لنفس المشهد، وتجاهل معظم طرق إعادة بناء HDR الضوضاء وخسارة التكميم. في هذا العمل، نقترح نهجًا جديدًا يستند إلى التعلم باستخدام شبكة كودر-فكودر ديناميكية فضائيًا، HDRUNet، لتعلم خريطة نهاية إلى نهاية لإعادة بناء HDR من صورة واحدة مع إزالة الضوضاء وإلغاء التكميم. تتكون الشبكة من شبكة أساسية على أسلوب UNet للاستفادة الكاملة من المعلومات المتعددة الأحجام الهرمية، وشبكة شرطية تقوم بالتعديل المحدد للنمط، وشبكة وزنية لاحتفاظ انتقائي بالمعلومات. علاوة على ذلك، نقترح دالة خسارة Tanh_L1 لتوازن تأثير القيم المُفرَطة الإضاءة والقيم الجيدة الإضاءة على تعلم الشبكة. يحقق طرحنا أداءً رائدًا في المقارنات الكمية وجودة الصورة البصرية. فاز النموذج المقترح HDRUNet بالمركز الثاني في مسار الإطار الواحد لتحدي NITRE2021 للنطاق الديناميكي العالي (HDR).