多スケールの写真露出補正の学習

カメラベースの画像撮影において、露出が不適切な写真を撮影することは依然として主要な誤り源の一つである。露出問題は、(i) 露出オーバー（過度露出）、つまりカメラの露出時間が長すぎることで明るく白とびした画像領域が生じる場合、または (ii) 露出アンダーア（露出不足）、つまり露出時間が短すぎることで暗い領域が生じる場合に分類される。両方の露出エラーは、画像のコントラストと視覚的な魅力を大幅に低下させる。従来の研究では主に露出不足の画像や一般的な画像強調に焦点が当てられてきた。一方、我々が提案する方法は、写真における過度露出と露出不足の両方のエラーを対象としている。我々は、露出補正問題を以下の2つの主要なサブ問題として定式化する：(i) 色彩強調と (ii) 詳細強調。これに基づいて、各サブ問題を個別に対処するための粗密型深層ニューラルネットワーク（DNN）モデルを提案し、このモデルはエンドツーエンドで学習可能である。我々の解決策の重要な特徴は、これまでに最も広範な露出値を持つ24,000枚以上の新しいデータセットであり、それぞれに対応する適切に露出された画像が含まれている。我々の方法は、既存の最先端手法と同等の結果を露出不足のある画像に対して達成しており、過度露出エラーのある画像に対しては大幅な改善をもたらしている。