高ダイナミックレンジ（HDR）生成は、生成モデルにとって依然として困難な課題であり、既存のモデルの多くは低ダイナミックレンジの出力に限られています。最近の拡散モデルを用いた手法では、複数の露出条件のサンプルを生成することでHDRを近似していましたが、計算コストが高く、露出間の構造的な一貫性が欠けるという問題がありました。そこで、研究チームはLatentHDRという新しいフレームワークを提案しました。これは、潜在空間においてシーンの生成と露出のモデリングを分離するという革新的なアイデアに基づいています。
LatentHDRでは、事前学習済みの拡散モデルをバックボーンとして使用し、まず一貫性のある単一のシーン潜在表現を生成します。次に、軽量な条件付き潜在空間マッピングヘッドが、その表現を決定論的に各露出に固有の表現に変換します。これにより、一度のフォワードパスで、密で構造的に一貫した露出スタックを生成することが可能になります。この設計により、マルチパス拡散が不要になり、露出間の整合性が確保され、計算量は従来の手法に比べて一桁削減されます。
このフレームワークは、テキスト条件および画像条件の両方でのHDR生成をサポートし、透視画像とパノラマ画像の両方に対応しています。合成データとSI-HDRベンチマークでの実験により、LatentHDRは最先端のダイナミックレンジを達成し、競争力のある知覚品質を維持しながら、計算量を大幅に削減することが示されました。この結果は、構造化された潜在モデリングによって高品質なHDR生成が可能であることを示しており、確率的な多重露出生成の必要性に疑問を投げかけています。
本研究はPedram Fekri氏らによって行われ、2026年5月11日に提出されました。論文はコンピュータビジョン、グラフィックス、機械学習の分野を横断しており、コードとデータは将来的に公開される予定です。