SDR 융합 및 게인 맵 역톤 매핑을 통한 이중 출력 다중 노출 HDR 재구성

Dual-Output Multi-Exposure HDR Reconstruction via SDR Fusion and Gain Map Inverse Tone Mapping

본 논문에서는 DOME-HDR이라는 이중 출력 다중 노출 HDR 재구성 프레임워크를 제안합니다. DOME-HDR은 게인 맵 역톤 매핑을 통해 지각적으로 균형 잡힌 SDR 이미지와 일관성 있는 HDR 이미지를 동시에 생성합니다. 세 개의 브라케팅된 LDR 입력 이미지가 주어지면, DOME-HDR은 먼저 LoRA를 활용한 잠재 확산 모델을 사용하여 기본 SDR 이미지를 합성합니다. 이중 크로스 어텐션 융합 모듈은 노출 부족 및 과다 이미지에서 보완적인 구조적 및 색상 정보를 추출하여 중간 노출 이미지를 기준으로 안정성을 확보합니다. 이렇게 생성된 SDR 이미지는 HPGM(HDR Prior-guided Gain Map)이라는 HDR 사전 지식을 활용한 게인 맵 네트워크가 공간적으로 변화하는 게인 맵을 예측하여 신뢰성 있는 다이나믹 레인지 확장을 가능하게 합니다. Kalantari, Tel 및 Challenge123 데이터셋에서 전체 참조 및 비참조 메트릭을 사용하여 DOME-HDR의 성능을 평가한 결과, 최고 수준의 HDR 재구성 품질을 달성했습니다. 추가 실험을 통해 이중 크로스 어텐션과 SDR 기반 게인 맵 추정의 효과를 확인했습니다.

We propose DOME-HDR, a dual-output multi-exposure HDR reconstruction framework that jointly produces a perceptually balanced SDR image and a consistent HDR image via gain map inverse tone mapping. Given three bracketed LDR inputs, DOME-HDR first synthesizes a base SDR using a LoRA-adapted latent diffusion model. A dual cross-attention fusion module injects complementary structural and color cues from the under- and over-exposed images while anchoring on the mid exposure for stability. The synthesized SDR then guides HPGM, our HDR Prior-guided Gain Map network, to predict a spatially varying gain map for reliable dynamic-range expansion. We evaluate on Kalantari, Tel, and Challenge123 using both full-reference and no-reference metrics, where DOME-HDR achieves state-of-the-art HDR reconstruction quality; ablations further confirm the effectiveness of dual cross-attention and SDR-guided gain map estimation.