단일 이미지 HDR 재구성을 위한 연속 노출 값 표현 학습

딥러닝은 일반적으로 LDR 이미지에서 HDR 이미지를 재구성하는 데 사용됩니다. 단일 이미지 HDR 재구성을 위해 LDR 스택 기반 방법이 사용되며, 이는 딥러닝을 통해 생성된 LDR 스택으로부터 HDR 이미지를 생성합니다. 그러나 현재의 방법들은 사전 결정된 노출 값(EVs)을 사용하여 스택을 생성하므로, 이는 HDR 재구성의 품질을 제한할 수 있습니다. 이를 해결하기 위해, 우리는 임의의 EVs를 포함하여, 훈련 중에 보지 못한 EVs까지 생성할 수 있는 암시적 함수를 사용하는 연속 노출 값 표현(Continuous Exposure Value Representation, CEVR)을 제안합니다. 우리의 접근 방식은 다양한 EVs를 가진 더 많은 이미지를 포함하는 연속적인 스택을 생성하여, HDR 재구성의 성능을 크게 향상시킵니다. 우리는 대응되는 정답 데이터 없이도 연속적인 EV LDR 이미지를 생성하도록 모델을 감독하기 위해 사이클 훈련 전략을 사용합니다. 실험 결과에 따르면, 우리의 CEVR 모델은 기존 방법들을 능가합니다.