EDAFNet: 효율적 이중 주의 융합 HDR 재구성

다중 노출 저명도 범위(LDR) 이미지로부터 고명도 범위(HDR) 이미지를 재구성하는 것은 움직임 및 노출 불일치 상황에서 밝고 어두운 영역의 세부 사항을 보존하며 넓은 휘도 범위를 복원하는 것을 목표로 합니다. 그러나 높은 재구성 충실도는 종종 계산 복잡도 증가를 수반하며, 이는 실제 적용에 있어 주요 제약이 됩니다. 본 논문은 효율적인 이중 주의 융합 네트워크(EDAFNet)를 제안합니다. 이 네트워크는 CBAM 기반 초기화, 교차 노출 정렬 및 융합을 위한 계층적 지역 및 전역 주의 메커니즘, 그리고 깊이별 분리 컨볼루션을 기반으로 하는 경량 정제 모듈을 결합합니다. 이를 통해 높은 재구성 품질을 유지하면서 계산 효율성을 극대화합니다. Kalantari 데이터셋 및 Sen, Tursun, Hu 데이터셋에 대한 일반화 테스트 결과, EDAFNet은 우수한 품질-복잡도 균형을 보여주었습니다. 특히, Kalantari 테스트 장면에서 선형 도메인 PSNR 및 SSIM에서 각각 43.37dB와 0.9926으로 최고 성능을 달성했으며, HDR-VDP-2 점수도 68.88로 가장 높았습니다. 또한, 통계적 분석 결과 PSNR-l 개선이 비교 방법론 대비 유의미함을 확인했습니다. EDAFNet은 0.31M의 적은 파라미터 수와 0.464T FLOPs의 낮은 계산량으로 강력한 HDR 재구성 충실도와 경쟁력 있는 지각 품질을 제공합니다. 이는 실제 HDR 재구성 시스템 개발에 있어 효율성과 성능을 동시에 만족시키는 중요한 진전을 의미합니다.