ハイダイナミックレンジ（HDR）画像技術は、従来の低ダイナミックレンジ（LDR）画像が高ダイナミックレンジを正確に表現するのに苦労するのに対し、現実世界の照明条件を適切に扱える能力を提供する。しかし、現在でも大多数の映像コンテンツは依然としてLDR形式でしか入手できない。本稿では、深層畳み込みニューラルネットワーク（CNN）を用いた「ExpandNet」と呼ばれる手法を提案する。ExpandNetはLDR画像を入力として受け取り、エンド・ツー・エンドの形でダイナミックレンジを拡張した画像を生成する。このモデルは、量子化、クリッピング、トーンマッピング、ガンマ補正などにより元の信号から失われた情報を再構成することを目指している。再構成に用いられる情報は、HDR画像データセットを用いた教師あり学習により学習された特徴から得られる。本手法は完全に自動的かつデータ駆動型であり、ヒューリスティクスや人的専門知識を必要としない。ExpandNetはマルチスケールアーキテクチャを採用しており、アップサンプリング層の使用を回避することで、画像品質の向上を図っている。定量的な評価において、複数の指標において、露出が不適切な入力に対しても、従来の拡張／逆トーンマッピング演算子と比較して優れた性能を発揮している。