Un réseau profond en deux étapes pour la reconstruction d'images à grande gamme dynamique

La transformation d'une image à faible dynamique (LDR) en une image à haute dynamique (HDR) est considérée comme l'une des tâches les plus ardues de traduction d'image à image en raison des informations manquantes liées à l'exposition. Cette étude aborde les défis de la transformation LDR vers HDR en un seul cliché en proposant un nouveau réseau neuronal profond en deux étapes. Notamment, notre méthode proposée vise à reconstruire une image HDR sans connaître les informations matérielles, y compris la fonction de réponse du capteur (CRF) et les paramètres d'exposition. Ainsi, nous cherchons à réaliser des tâches d'amélioration d'image telles que le débruitage et la correction d'exposition lors de la première étape. De plus, la deuxième étape de notre réseau neuronal profond apprend la cartographie tonale et l'expansion de bits à partir d'un ensemble convexe d'échantillons de données. Les comparaisons qualitatives et quantitatives montrent que la méthode proposée peut surpasser les travaux existants sur la transformation LDR vers HDR avec une différence marginale. En outre, nous avons collecté un jeu de données d'images LDR intégrant différents systèmes caméra. L'évaluation réalisée avec nos images LDR réelles collectées illustre que la méthode proposée peut reconstruire des images HDR plausibles sans présenter d'artefacts visuels. Code disponible : https://github.com/sharif-apu/twostageHDR_NTIRE21.