単一画像からの高ダイナミックレンジ深層画像生成

本年度の目標はデータセットの構築やそれを学習するための深層学習モデルの構築であった．データセットの構築では評価に十分なデータセットを構築することができた．しかしながら，深層学習モデルの構築ではあまり新規性のあるような手法を構築することができなかった．その結果，査読付き論文への投稿を行ったが不採択に至った．本年度中に深層生成モデルに大きな影響を与える拡散モデルが幅広く台頭し始め，本年度に注目したGenerative Adversarial Networks（GANｓ）より優れた生成能力を有すことが知られるようになった．本年度後半はこの拡散モデルに注目をし，まずは理論的な学習から始めどのように本研究課題に対して有効に利用できるかを検討した．　拡散モデルはより大規模なデータセットを用いた場合に有効に学習できることが知られており，既存の学習用データセットを拡張するか，効率的に利用できるようなパイプラインを構築する必要があると感じた．モデルの構築よりも効率的に学習できるようなデータ増強やパイプラインを検討することが非常に重要だと判断し取り組んだ．　上述した査読付き論文ではそのようなパイプラインを含めた論文を投稿したが，不採択の主な原因はこのパイプラインが既存のものより非常に優れているわけではないことに加え，検討したネットワーク構造が本当に有効であるかを十分示せれていないことであった．これらの結果を踏まえ，効率的なパイプラインの構築を重要だと判断した．加えて，本研究課題であるHDR合成にとらわれず幅広い文献を読み考える時間を重視した．これはHDR合成よりもより一般的な問題設定におけるアプローチを参考にし本研究課題に役立てるためである．

本年度の目標はデータセットの構築やそれを学習するための深層学習モデルの構築であった．データセットの構築では評価に十分なデータセットを構築することができた．しかしながら，深層学習モデルの構築ではあまり新規性のあるような手法を構築することができなかった．その結果，査読付き論文への投稿を行ったが不採択に至った．本年度中に深層生成モデルに大きな影響を与える拡散モデルが幅広く台頭し始め，本年度に注目したGenerative Adversarial Networks（GANｓ）より優れた生成能力を有すことが知られるようになった．本年度後半はこの拡散モデルに注目をし，まずは理論的な学習から始めどのように本研究課題に対して有効に利用できるかを検討した．　拡散モデルはより大規模なデータセットを用いた場合に有効に学習できることが知られており，既存の学習用データセットを拡張するか，効率的に利用できるようなパイプラインを構築する必要があると感じた．モデルの構築よりも効率的に学習できるようなデータ増強やパイプラインを検討することが非常に重要だと判断し取り組んだ．　上述した査読付き論文ではそのようなパイプラインを含めた論文を投稿したが，不採択の主な原因はこのパイプラインが既存のものより非常に優れているわけではないことに加え，検討したネットワーク構造が本当に有効であるかを十分示せれていないことであった．これらの結果を踏まえ，効率的なパイプラインの構築を重要だと判断した．加えて，本研究課題であるHDR合成にとらわれず幅広い文献を読み考える時間を重視した．これはHDR合成よりもより一般的な問題設定におけるアプローチを参考にし本研究課題に役立てるためである．