HDRUNet: 노이즈 제거 및 양자화 해제를 통한 단일 이미지 HDR 재구성

대부분의 소비자용 디지털 카메라는 센서 제약으로 인해 실제 장면에서 한정된 루미넌스 범위만을 캡처할 수 있습니다. 또한, 이미징 과정에서 노이즈와 양자화 오류가 자주 발생합니다. 우수한 시각적 품질의 고동적 범위(HDR) 이미지를 획득하기 위해서는 가장 일반적인 해결책은 다양한 노출로 촬영된 여러 이미지를 결합하는 것입니다. 그러나 동일한 장면의 여러 이미지를 획득하는 것은 항상 가능하지 않으며, 대부분의 HDR 재구성 방법은 노이즈와 양자화 손실을 무시합니다. 본 연구에서는 단일 이미지 HDR 재구성을 위해 노이즈 제거와 양자화 복원을 수행하는 공간적으로 동적인 인코더-디코더 네트워크인 HDRUNet을 사용한 새로운 학습 기반 접근법을 제안합니다. 이 네트워크는 계층적 다중 스케일 정보를 최대한 활용하기 위한 UNet 스타일의 기본 네트워크, 패턴별 변조를 수행하기 위한 조건 네트워크, 그리고 정보를 선택적으로 유지하기 위한 가중치 네트워크로 구성됩니다. 또한, 과노출 값과 적절히 노출된 값이 네트워크 학습에 미치는 영향을 균형 있게 조절하기 위해 Tanh_L1 손실 함수를 제안합니다. 우리의 방법은 정량적 비교와 시각적 품질 면에서 최고 수준의 성능을 달성하였습니다. 제안된 HDRUNet 모델은 NITRE2021 고동적 범위 도전 대회(Single Frame Track)에서 2등을 차지했습니다.