استخلاص صورة ذات نطاق ديناميكي عالٍ (HDR) من مدخل واحد فقط ذات نطاق ديناميكي منخفض (LDR) يُعد مشكلة غير محددة بدقة، حيث يجب تعويض البيانات المفقودة الناتجة عن التعرض المنخفض أو الزائد، بالإضافة إلى كمية الترميز اللوني. ولحل هذه المشكلة، نقترح أول منهجية تعتمد على التعلم العميق لاستخلاص الصورة تلقائيًا بالكامل باستخدام الشبكات العصبية التلافيفية. وبما أن الطريقة البسيطة لاستخلاص صورة HDR بعمق 32 بت مباشرة من صورة LDR بعمق 8 بت غير قابلة للتحقيق بسبب صعوبة التدريب، نعتمد نهجًا غير مباشر؛ والفكر الأساسي في طريقة لدينا هو محاكاة صور LDR مأخوذة بفترات تعرض مختلفة (أي صور مُجمعة بحسب التعرض)، وذلك باستخدام التعلم المراقب، ثم إعادة بناء صورة HDR من خلال دمج هذه الصور. وبفضل تعلُّم التغيرات النسبية في قيم البكسلات الناتجة عن زيادة أو نقصان التعرض باستخدام الشبكات التلافيفية الثلاثية الأبعاد، يمكن لطريقتنا إعادة إنتاج ألوان طبيعية دون إدخال ضوضاء مرئية، كما يمكنها استعادة ألوان البكسلات المشبعة. ونُظهر فعالية طريقة لدينا من خلال مقارنة نتائجنا ليس فقط مع النتائج الناتجة عن الطرق التقليدية، بل أيضًا مع صور HDR الحقيقية (المرجعية).