ExpandNet：一种用于从低动态范围内容扩展高动态范围的深度卷积神经网络

高动态范围（HDR）成像提供了处理真实世界光照的能力，而传统的低动态范围（LDR）成像在准确表示具有更高动态范围的图像时则显得力不从心。然而，大多数成像内容目前仍仅以LDR形式提供。本文提出了一种基于深度卷积神经网络（CNN）的方法，称为ExpandNet，用于从LDR内容生成HDR内容。ExpandNet接受LDR图像作为输入，并以端到端的方式生成具有扩展范围的图像。该模型试图重建因量化、裁剪、色调映射或伽马校正而从原始信号中丢失的信息。新增信息是从学习到的特征中重建的，因为网络是在监督模式下使用HDR图像数据集进行训练的。该方法完全自动化且数据驱动，不需要任何启发式规则或人工专业知识。ExpandNet采用多尺度架构，避免使用上采样层以提高图像质量。即使对于曝光不良的输入，该方法在多个指标上与扩展/逆色调映射算子相比也表现出色。