単一画像を用いたHDR再構成：マスク付き特徴量と知覚損失を用いたCNN

デジタルカメラは現実世界のシーンの輝度範囲を限定的にしか捉えることができず、飽和ピクセルを持つ画像を生成します。既存の単一画像高動的範囲（HDR）再構成手法は、輝度範囲を拡大しようとしますが、飽和領域にアーティファクトが生じるため、実際的なテクスチャを推定することはできません。本論文では、入力LDR画像の飽和ピクセルを視覚的に魅力的な方法で回復し、HDR画像を再構成する新しい学習ベースの手法を提案します。従来の深層学習ベースの手法では、適切に露出されたピクセルと飽和ピクセルに対して同じ畳み込みフィルタが適用されるため、学習中に曖昧さが生じ、チェッカーボードやハローアーティファクトが発生します。この問題を克服するために、我々は飽和領域からの特徴量の寄与度を低下させる特徴マスキング機構を提案します。さらに、VGGに基づく知覚損失関数を当該アプリケーションに適応させることで、視覚的に魅力的なテクスチャを合成できるようにしました。HDR画像の訓練データ数が限られているため、我々はシステムの訓練を2段階で行うことを提案します。具体的には、まず大量の画像を使用して画像補完タスクでシステムを訓練し、次にHDR再構成のために微調整を行います。ほとんどのHDRサンプルは簡単な再構成ができる平滑な領域を含んでいるため、HDR微調整段階において挑戦的な訓練パッチを選択するサンプリング戦略も提案しています。実験結果を通じて示したところによると、当手法は広い範囲のシーンにおいて現行最先端技術よりも視覚的に魅力的なHDR結果を得ることができます。