ノイズリダクションで雰囲気がつかめてきたので、以前に真っ向勝負でやってみてイマイチな結果にしかならなかった奴もためすことに。

min($T,0.7)で上30%をカットした画像を処理対象とし、カットしていないものを教師画像としてトレーニングしてみました。
tanhでやると無難な絵だが結局実用レベルに到達せず。型のごとくReLUでやると強烈な黒穴が多発してなかなか消えず難渋しました。結局学習用画像データを増やして(回転を入れたものも混ぜた)対応したので、計算に3日以上掛かってます(笑)

でもってこれが、
イメージ 1
イメージ 2

こうなる。
イメージ 3
イメージ 4

つまり、7掛けにしてフォーマットの上に余裕を持たせた画像をこのフィルタに放り込むと、つぶれてしまった星の天辺を再生するか、フォーマット上新たに飽和するところまで伸ばしてくれるわけです。あくまでも推定なので、結果が正しいとは限りませんが(笑)
ウェルが浅いカメラを光害が強い場所で使ったときに役に立つかも??



これ、ネットワークの設計より学習データの質の方が影響大きい感じですね。ざっくりで止めてしまったノイズリダクションも、まだまだ精度上げられそうな気が。