ExpandNet: 低動的範囲コンテンツからの高動的範囲拡張のための深層畳み込みニューラルネットワーク

高動的範囲（HDR）画像は、伝統的な低動的範囲（LDR）画像が高動的範囲の画像を正確に表現することに苦労するのに対し、実世界の照明状況を扱う能力を提供します。しかし、ほとんどの画像コンテンツは依然としてLDR形式でしか利用できません。本論文では、深層畳み込みニューラルネットワーク（CNN）に基づくLDRコンテンツからHDRコンテンツを生成する方法であるExpandNetについて提案します。ExpandNetはLDR画像を受け取り、エンドツーエンドで拡張された範囲を持つ画像を生成します。このモデルは、量子化、クリッピング、トーンマッピングやガンマ補正により元の信号から失われた情報を再構築しようと試みます。追加情報は学習された特徴量から再構築され、ネットワークはHDR画像のデータセットを使用して教師あり学習によって訓練されます。本手法は完全に自動化され、データ駆動型であり、ヒューリスティックや人的専門知識を必要としません。ExpandNetはマルチスケールアーキテクチャを使用しており、画質向上のためにアップサンプリング層を使用しないように設計されています。本手法は複数の指標において定量的に比較的好みの結果を示しており、露出が不適切な入力に対しても良好な性能を発揮します。