لحل مشكلات الطرق الحالية لإنتاج صور HDR، والتي تتضمن مدة طويلة لجمع الصور المتعددة التعرض، وتحريك الإطارات في السيناريو الديناميكي، وزيادة معلمات الخوارزمية والحساب، استنادًا إلى الكاميرا بالاستجابة اللوغاريتمية الخطية، يقدم هذا البحث خوارزمية HDR الخفيفة، وجمع مجموعة بيانات صور رمادية متعددة الربح. تتضمن طريقة التنفيذ المقترحة للخوارزمية تحسين وحدة البقايا متعددة المقاييس ورفع بعد الخصائص للصور المدخلة؛ ثم إدخال خصائص متعددة المقاييس في هيكل Attention-UNet الذي يحتوي على تحويلات الفصل العميق، لاستخراج معلومات متعددة المستويات ودمج الخصائص. وبعد ذلك، استخدام الانضمام نقطة بنقطة لدمج الخصائص العميقة للصور الناتجة من نطاق ديناميكي عالي، دون الحاجة إلى تطابق الألوان الإضافي. وأخيراً، استقرار أداء الهياكل المختزلة ومعلماتها وحساباتها، لاختيار الحل الأمثل الذي يضمن فعالية الدمج وفي الوقت نفسه يجعل الشبكة خفيفة. أظهرت النتائج التجريبية أن الخوارزمية المقترحة في هذا البحث تحظى بأداء جيد في النتائج البصرية والمؤشرات الموضوعية معًا، MEF-SSIM هو 0.9866, VIF هو 1.76, AG هو 3.94, SF هو 14.32. تظهر خوارزمية الدمج للصور عالية الديناميكية المقترحة في هذا البحث فعالية دمج ممتازة وقوة شديدة بين صور رمادية متعددة الربح، مع الاحتفاظ بالتركيب الخفيف. حجم معلمات النموذج في هذا البحث هو فقط 0.612 ميغابايت، وتعقيد الحساب هو 7.254 جيجافلوبس.

صورة ديناميكية عالية; دمج الصور; تعلم غير المراقب; يركز الانتباه; تخفيف الوزن