DSRN：画像の再ライティングに向けた効率的な深層ネットワーク

シーンの画像において、後処理段階でカスタムかつ自然な照明条件を再現することが可能である。このような目的に深層学習フレームワークの優れた能力を活用できる。深層画像再照明（Deep Image Relighting）により、照明に特化した自動的な写真補正が実現される。しかし、現在の最先端の再照明手法の多くは実行時における計算負荷が高く、メモリ効率が劣るという課題を抱えている。本論文では、入力画像の異なるスケールにおける特徴量を統合して利用することで、効率的かつリアルタイムに動作する画像再照明フレームワーク「Deep Stacked Relighting Network（DSRN）」を提案する。本モデルは全体で約42MBと非常に軽量であり、解像度1024×1024の画像に対する平均推論時間は約0.0116秒と、他のマルチスケールモデルと比較しても高速である。また、入力画像から目標画像への色温度変換に関して高いロバスト性を示し、目標画像に対する光の勾配生成についても中程度の性能を発揮している。さらに、反対方向から照明された画像を入力として用いる場合、単一の入力画像を使用する場合に比べて質的結果が向上することを示した。