Resumen
Los sensores de imagen digital tradicionales sufren saturación de señal al capturar escenas con un rango dinámico muy alto (HDR), lo que causa valores de píxeles recortados y pérdida de detalles en áreas sobreexpuestas. Las imágenes módulo (MI) y el muestreo ilimitado superan esta limitación física al reiniciar cíclicamente la intensidad de la señal a cero cada vez que alcanza la capacidad máxima del pozo. Sin embargo, recuperar una imagen HDR a partir de observaciones módulo ruidosas constituye un problema inverso mal condicionado y no convexo. Formulamos la tarea de reconstrucción HDR como un problema de optimización con a prioris profundos, desplegado en una red neuronal profunda ('deep unrolled network') equipada con un desruidador convolucional ligero. Adicionalmente, introducimos una regularización por equivariancia de escala para permitir el ajuste fino autosupervisado, logrando una reconstrucción precisa y generalizable.
Citar (BibTeX) +−
@article{monroy2026deep,
title = {Deep Lightweight Unrolled Network for High Dynamic Range Modulo Imaging},
author = {Brayan Monroy and Jorge Bacca},
journal = {IEEE Transactions on Computational Imaging},
year = {2026},
url = {https://ieeexplore.ieee.org/abstract/document/11358663}
}