단일 노출로부터의 HDR 이미지 재구성: 딥 CNN 사용

카메라 센서는 동시에 제한된 범위의 휘도를 캡처할 수 있으며, 고화질 범위(HDR) 이미지를 만들기 위해서는 일반적으로 다양한 노출을 결합합니다. 이 논문에서는 단일 노출로부터 HDR 재구성을 가능하게 하기 위해 포화된 이미지 영역에서 잃어버린 정보를 예측하는 문제를 다룹니다. 우리는 이 문제가 딥 러닝 알고리즘에 잘 적합하다는 것을 보여주고, HDR 값을 예측하는 데 있는 도전을 고려하여 특별히 설계된 딥 컨볼루션 신경망(CNN)을 제안합니다. CNN을 훈련시키기 위해, 우리는 다양한 카메라에 대한 센서 포화를 시뮬레이션하여 증강한 대규모 HDR 이미지 데이터셋을 수집합니다. 강건성을 높이기 위해 우리는 MIT 장소 데이터베이스의 하위 집합에서 만든 시뮬레이션된 HDR 데이터셋으로 CNN을 사전 훈련시킵니다. 우리는 우리의 접근 방식이 광범위한 상황에서 고해상도 시각적으로 설득력 있는 HDR 결과를 재구성할 수 있으며, 알려지지 않은 카메라 응답 기능과 후처리를 사용하는 임의의 저가 카메라로 촬영된 이미지의 재구성에도 잘 일반화된다는 것을 보여줍니다. 더욱이, 우리는 HDR 확장을 위한 기존 방법들과 비교하고, 이미지 기반 조명에 대해서도 높은 품질의 결과를 보여줍니다. 마지막으로, HDR 디스플레이에서 수행된 주관적 실험에서 결과를 평가합니다. 이는 재구성된 HDR 이미지가 시각적으로 설득력 있으며, 기존 방법들과 비교하여 상당한 개선이 이루어졌음을 보여줍니다.