FHDR: 단일 LDR 이미지로부터 피드백 네트워크를 사용한 HDR 이미지 재구성

단일 노출 저동적 범위(LDR) 이미지에서 고동적 범위(HDR) 이미지를 생성하는 것이 최근 딥 러닝의 발전 덕분에 가능해졌습니다. LDR에서 HDR 표현을 학습하기 위해 다양한 피드포워드 컨벌루션 신경망(CNNs)이 제안되었습니다. CNNs의 성능을 더 효과적으로 활용하기 위해, 우리는 순환 신경망(RNN)의 은닉 상태를 사용하여 초기 저수준 특징이 고수준 특징에 의해 안내되는 피드백 아이디어를 활용합니다. 전통적인 피드포워드 네트워크에서 단일 전방 패스와는 달리, 피드백 네트워크에서는 LDR에서 HDR로의 재구성이 여러 반복 과정을 통해 학습됩니다. 이는 매 반복마다 조밀한 표현을 생성할 수 있게 하여, 재구성 품질을 개선시킵니다. 표준 피드포워드 네트워크와 비교하여 다양한 장점이 있으며, 이에는 초기 재구성 능력과 적은 네트워크 매개변수로 더 나은 재구성 품질을 제공하는 점이 포함됩니다. 우리는 밀집된 피드백 블록을 설계하고, 단일 노출 LDR 이미지에서 HDR 이미지를 생성하기 위한 엔드투엔드 피드백 네트워크인 FHDR(Feedback-based High Dynamic Range)를 제안합니다. 정성적 및 정량적 평가 결과는 우리의 접근 방식이 최신 기술보다 우월함을 보여줍니다.