딥 리커시브 HDRI: 생성적 적대 신경망을 이용한 역 톤 매핑

고역동 범위(HDR) 이미지는 물리 세계의 밝기 정보를 포함하며, 기존의 낮은 역동 범위(LDR) 이미지보다 더 현실적인 경험을 제공한다. 대부분의 이미지가 낮은 역동 범위를 가지고 있기 때문에, 단일 LDR 이미지로부터 상실된 역동 범위를 복원하는 것은 여전히 중요한 연구 주제이다. 본 논문에서는 심층 신경망을 활용하여 단일 LDR 이미지로부터 상실된 역동 범위를 복원하는 새로운 방법을 제안한다. 제안하는 방법은 조건부 생성 적대 신경망(CGAN) 구조를 기반으로 추정된 다중 노출 스택을 이용해 HDR 이미지를 생성하는 최초의 프레임워크이다. 이 아키텍처에서는 L1 손실과 생성 적대 신경망 손실의 조합을 목적 함수로 설정하여 네트워크를 훈련시킨다. 또한, 기존의 네트워크들에 비해 구조가 간소화되어 있어 계산 효율성이 높다. 실험 결과, 제안된 네트워크는 기존 방법들과 비교하여 공개 벤치마크에서 아티팩트를 피하면서 다양한 노출 값을 가진 현실적인 이미지로 구성된 다중 노출 스택을 생성하였다. 더불어, 제안된 방법으로 추정된 다중 노출 스택과 HDR 이미지는 다른 최첨단 알고리즘보다 지표 데이터(Ground Truth)와 유사도가 뚜렷이 높았다.