단일 이미지 HDR 재구성: 카메라 파이프라인의 역전을 통한 학습

단일 저동적 범위 (LDR) 입력 이미지에서 고동적 범위 (HDR) 이미지를 복원하는 것은 카메라 센서의 양자화와 포화로 인해 과노출 또는 저노출 영역에서 세부 정보가 누락되기 때문에 어려운 문제입니다. 기존의 학습 기반 방법과 달리, 우리의 핵심 아이디어는 LDR 이미지 생성 파이프라인의 영역 지식을 모델에 통합하는 것입니다. 우리는 HDR-to-LDR 이미지 생성 파이프라인을 (1) 동적 범위 클리핑, (2) 카메라 반응 함수로부터의 비선형 매핑, 그리고 (3) 양자화로 모델링합니다. 그런 다음 이러한 단계를 역으로 수행하기 위해 세 가지 전문적인 CNN을 학습하도록 제안합니다. 문제를 특정 하위 작업으로 분해함으로써, 우리는 개별 하위 네트워크의 훈련을 용이하게 하는 효과적인 물리적 제약 조건을 부과합니다. 마지막으로, 전체 모델을 끝까지 공동 미세 조정하여 오차 누적을 줄입니다. 다양한 이미지 데이터셋에 대한 광범위한 정량적 및 정성적 실험을 통해 제안된 방법이 최신 단일 이미지 HDR 복원 알고리즘에 비해 우수한 성능을 보임을 입증하였습니다.