要約
本論文では、単一の低動的範囲（LDR）画像から高動的範囲（HDR）画像を再構成する新しい深層ニューラルネットワークモデルを提案します。提案されたモデルは、拡張畳み込み層で構成される畳み込みニューラルネットワークに基づいており、同じシーンの単一LDR画像から様々な露出と照明状態を持つLDR画像を推定します。その後、これらの推定結果を合成することで最終的なHDR画像が形成されます。提案手法は、与えられたLDR画像から明るい（または暗い）露出を持つLDR画像との関係を推定する連鎖構造を持っているため、異なるビット深度を持つLDRとHDR間のマッピングを見つけることが比較的容易です。この手法は範囲を拡大するだけでなく、実際の物理世界の光情報も復元するという利点があります。提案手法によって得られたHDR画像について、HDR画像評価指標として最も一般的に使用されているHDR-VDP2 Qスコアは、1920×1200解像度のディスプレイで56.36となり、従来のアルゴリズムのスコアよりも6ポイント向上しています。さらに、提案手法と従来手法によって生成されたトーンマップ済みHDR画像のピーク信号対雑音比値を比較した場合、提案アルゴリズムによって得られた平均値は30.86 dBであり、従来のアルゴリズムによって得られた値よりも10 dB高い結果となりました。