ディープラーニングは、LDR画像からHDR画像を再構成するために一般的に使用されています。単一画像のHDR再構成には、LDRスタックベースの手法が用いられ、深層学習によって生成されたLDRスタックからHDR画像を生成します。しかし、現在の手法では事前に決定された露出値（EV）を使用してスタックを生成するため、HDR再構成の品質が制限される可能性があります。この問題に対処するため、我々は連続露出値表現（Continuous Exposure Value Representation: CEVR）を提案します。この手法は、暗黙関数を使用して任意のEVを持つLDR画像を生成し、訓練中に見られなかったEVも含めることができます。我々のアプローチは、より多くの多様なEVを持つ画像を含む連続的なスタックを生成し、HDR再構成の品質を大幅に向上させます。対応する正解データがない場合でも、連続的なEVを持つLDR画像の生成モデルを監督するためにサイクル訓練戦略を使用しています。実験結果により示されるように、我々のCEVRモデルは既存の手法よりも優れた性能を発揮しています。