NTIRE 2026 第三届恢复任意图像模型（RAIM）挑战：动态场景下的多曝光图像融合（Track 2）
计算机视觉与模式识别
2026-04-13 v1
摘要
本文介绍 NTIRE 2026，即第三届恢复任意图像模型（Restore Any Image Model, RAIM）挑战，聚焦于动态场景下的多曝光图像融合。我们引入一个基准，旨在针对实际且具有挑战性的 HDR 成像场景，即在场景运动、照明变化和手持设备抖动的条件下进行曝光拍分融合。该挑战数据包含 100 个训练序列（每个序列 7 个曝光级别）和 100 个测试序列（每个序列 5 个曝光级别），反映真实场景中经常导致错位和幽灵痕迹的情形。我们采用 PSNR、SSIM 和 LPIPS 作为 leaderboard score 的指标，同时在最终评审中考虑感知质量、效率和可重复性。该轨道吸引了 114 支队伍参赛，收到 987 个提交。获奖方法显著提升了多曝光融合去除痕迹的能力，并恢复细节。数据集及各队代码均存于仓库：https://github.com/qulishen/RAIM-HDR。
引用
@article{arxiv.2604.09030,
title = {NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (Track 2)},
author = {Lishen Qu and Yao Liu and Jie Liang and Hui Zeng and Wen Dai and Guanyi Qin and Ya-nan Guan and Shihao Zhou and Jufeng Yang and Lei Zhang and Radu Timofte and Xiyuan Yuan and Wanjie Sun and Shihang Li and Bo Zhang and Bin Chen and Jiannan Lin and Yuxu Chen and Qinquan Gao and Tong Tong and Song Gao and Jiacong Tang and Tao Hu and Xiaowen Ma and Qingsen Yan and Sunhan Xu and Juan Wang and Xinyu Sun and Lei Qi and He Xu and Jiachen Tu and Guoyi Xu and Yaoxin Jiang and Jiajia Liu and Yaokun Shi},
journal= {arXiv preprint arXiv:2604.09030},
year = {2026}
}
备注
Accepted by CVPRW 2026