Deep Chain HDRI: 단일 저 동적 범위 이미지에서 고 동적 범위 이미지 재구성

본 논문에서는 단일 저동적 범위(LDR) 이미지에서 고동적 범위(HDR) 이미지를 재구성하는 새로운 딥 뉴럴 네트워크 모델을 제안합니다. 제안된 모델은 희소화된 합성곱 층으로 구성된 합성곱 신경망(CNN)을 기반으로 하며, 동일한 장면의 단일 LDR 이미지로부터 다양한 노출과 조명 상태를 가진 LDR 이미지를 추론합니다. 그런 다음, 이 추론 결과들을 병합하여 최종 HDR 이미지를 생성할 수 있습니다. 제안된 방법은 주어진 LDR 이미지에서 더 밝거나 어두운 노출을 가진 LDR 이미지들 간의 관계를 추론하는 체인 구조 덕분에, 서로 다른 비트 깊이를 가진 LDR와 HDR 사이의 매핑을 찾는 것이 비교적 쉽습니다. 이 방법은 범위를 확장하는 것뿐만 아니라 실제 물리 세계의 빛 정보를 복원하는 장점도 가지고 있습니다. 제안된 방법으로 얻은 HDR 이미지는 가장 일반적으로 사용되는 HDR 이미지 평가 지표인 HDR-VDP2 Q 점수에서 1920×1200 해상도 디스플레이에 대해 56.36점을 기록하였으며, 이는 기존 알고리즘들의 점수보다 6점 개선된 결과입니다. 또한, 제안된 알고리즘과 기존 알고리즘으로 생성된 톤 맵핑 HDR 이미지들의 피크 신호 대 잡음 비(PSNR) 값을 비교한 결과, 제안된 알고리즘이 얻은 평균 값은 30.86 dB로, 기존 알고리즘들이 얻은 값보다 10 dB 높았습니다.