単一の低ダイナミックレンジ（LDR）画像から高ダイナミックレンジ（HDR）画像を再構築するには、ハイライトの飽和領域やシャドウの歪み領域で欠落している情報を復元する必要がある。既存の手法は通常、十分な実際のHDR画像を監督信号として利用するか、多重露出のLDRシーケンスを用いて再構築品質を向上させており、これが方法の柔軟性をある程度制限している。そこで、多重露出事前知識に基づく単一画像HDR再構築フレームワークUSME-HDRを提案し、高ダイナミックレンジ再構築段階の学習には実際のHDR画像の監督を必要としない。具体的には、まず監督方式で露出調整ネットワークをトレーニングし、単一のLDR画像を過露光／露光不足画像のペアにマッピングする。Retinex理論に着想を得て、入力画像を照明マップと照明特徴に分解し、これを補助入力として露出調整ネットワークに導入して輝度認知に基づく露出生成を実現する。同時に、露出時間比のガイドメカニズムを導入して輝度の忠実度を向上させる。最後に、元のLDR画像と生成された多重露出画像を融合し、自己監督最適化プロセスと組み合わせて最終的なHDR画像を生成する。実験結果は、テスト段階においてUSME-HDRが単一のLDR画像のみで良好な視覚効果を持つHDR画像を再構築でき、実際の低露光または高露光画像を必要としないことを示している。

高ダイナミックレンジ; HDR再構築; 単一画像HDR; 無監督学習; 多重露出事前知識