KUNet: 이미징 지식을 기반으로 한 단일 HDR 이미지 복원

최근 고 동적 범위(HDR, High Dynamic Range) 디스플레이 장치의 부상과 함께, 기존의 낮은 동적 범위(LDR, Low Dynamic Range) 이미지를 HDR 버전으로 변환하는 수요가 크게 증가하고 있다. 이 과정에서 성공의 핵심은 다수 대 다수 매핑 문제를 효과적으로 해결하는 것이다. 그러나 기존의 방법들은 해의 공간을 제약하지 않거나, 단순히 카메라 이미징 파이프라인의 역과정을 단계적으로 모방할 뿐, HDR 이미지 생성 과정을 직접적으로 수학적으로 정식화하지 못하고 있다. 본 연구에서는 이러한 문제를 해결하기 위해, LDR에서 HDR로의 이미지 변환 지식을 UNet 아키텍처에 통합한 ‘지식 기반 UNet(KUNet)’을 제안한다. LDR에서 HDR로의 이미지 변환 과정은 수학적으로 공식화되었으며, 개념적으로는 누락된 세부 정보 복원, 이미징 파라미터 조정, 이미징 노이즈 감소의 세 가지 단계로 나눌 수 있다. 이를 바탕으로, 이 HDR 이미징 과정의 세 가지 절차에 대응하는 세 개의 하위 네트워크를 포함한 기본적인 지식 기반 블록(KIB)을 설계하였다. 이러한 KIB 블록들은 UNet과 유사한 방식으로 연속적으로 연결되어 풍부한 전역 정보를 갖춘 HDR 이미지를 생성한다. 또한, HDR 이미지와 LDR 이미지 간의 동적 범위 차이를 보완하기 위해 지식 기반 점프 커넥션 구조를 제안하였다. 실험 결과, 제안한 KUNet은 기존 최고 수준의 방법들에 비해 우수한 성능을 보였다. 코드, 데이터셋 및 부록 자료는 https://github.com/wanghu178/KUNet.git 에서 제공된다.