단일 저역동 범위(LDR) 이미지로부터 고역동 범위(HDR) 이미지를 복원하려면 과노출 영역과 그림자 왜곡 영역에서 누락된 정보를 복원해야 합니다. 기존 방법들은 보통 충분한 실제 HDR 이미지를 감독 신호로 사용하거나, 다중 노출 LDR 시퀀스를 이용해 복원 품질을 향상시키며, 이는 일정 부분 방법의 유연성을 제한합니다. 이에, 다중 노출 사전을 기반으로 한 단일 이미지 HDR 복원 프레임워크 USME-HDR을 제안하며, 여기서 HDR 복원 단계 학습은 실제 HDR 이미지의 감독 없이 수행됩니다. 구체적으로, 먼저 감독 방식으로 노출 조정 네트워크를 학습시켜 단일 LDR 이미지를 과노출/저노출 이미지 쌍으로 매핑합니다. Retinex 이론에 영감을 받아 입력 이미지를 조명 맵과 조명 특성으로 분해하고, 이를 보조 입력으로 노출 조정 네트워크에 도입하여 밝기 인지 기반 노출 생성을 구현합니다. 동시에, 노출 시간 비율 안내 메커니즘을 도입해 밝기 충실도를 향상시킵니다. 마지막으로, 원본 LDR 이미지와 생성된 다중 노출 이미지를 융합하고 자기 감독 최적화 과정을 결합하여 최종 HDR 이미지를 생성합니다. 실험 결과, 테스트 단계에서 USME-HDR은 단일 LDR 이미지 입력만으로 시각적으로 우수한 HDR 이미지를 복원할 수 있으며, 실제 저노출 또는 고노출 이미지가 필요하지 않음을 보여줍니다.

고역동 범위; HDR 복원; 단일 이미지 HDR; 비지도 학습; 다중 노출 사전