고동적 범위(High Dynamic Range, HDR) 이미지 생성 작업을 위해 기존 방법에서 다중 노출 이미지 수집 시간이 길고, 동적 장면에서 프레임 간 이동이 존재하며 알고리즘의 파라미터 수와 계산량이 많다는 문제를 해결하기 위해 본 논문에서는 선형-로그 응답 카메라를 기반으로 경량화된 HDR 이미지 융합 알고리즘을 제안하고, 다중 게인 그레이스케일 이미지 데이터셋을 수집하였다. 우선 개선된 다중 스케일 잔차 모듈을 사용하여 입력 이미지의 다층 특징을 추출하고 특징 차원을 향상시켰다. 그 다음 다층 특징을 깊이 분리 가능한 컨볼루션이 적용된 Attention-UNet 구조에 투입하여 다층 정보 추출 및 특징 융합을 수행하였다. 이어서 포인트와이즈 컨볼루션을 사용하여 이미지의 심층 특징을 융합하고, 별도의 톤 매핑 없이 표준 디스플레이 기기에 호환되는 HDR 이미지를 출력하였다. 마지막으로 각 소거 구조들의 성능과 파라미터 수, 계산량을 비교하여 융합 효과를 보장하면서 경량화된 최적의 네트워크 구조를 도출하였다. 실험 결과 제안된 알고리즘은 주관적 시각 효과와 객관적 평가 지표에서 우수한 성능을 보였으며 MEF-SSIM은 0.9866, 시각적 충실도는 1.76, 평균 그라디언트는 3.94, 공간 주파수는 14.32였다. 제안된 고동적 이미지 융합 알고리즘은 다중 게인 이미지 간에 유의미한 차이가 존재하더라도 우수한 융합 성능과 견고함을 유지하며 경량화 특징을 가지며, 모델 파라미터 수는 0.612M, 계산 복잡도는 7.254 GFLOPs에 불과하다.

고동적 이미지; 이미지 융합; 비지도 학습; 주의 메커니즘; 경량화