論文の概要: NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (Track 2)

• arxiv url: http://arxiv.org/abs/2604.09030v1
• Date: Fri, 10 Apr 2026 06:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.731507
• Title: NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (Track 2)
• Title（参考訳）: NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (トラック2)
• Authors: Lishen Qu, Yao Liu, Jie Liang, Hui Zeng, Wen Dai, Guanyi Qin, Ya-nan Guan, Shihao Zhou, Jufeng Yang, Lei Zhang, Radu Timofte, Xiyuan Yuan, Wanjie Sun, Shihang Li, Bo Zhang, Bin Chen, Jiannan Lin, Yuxu Chen, Qinquan Gao, Tong Tong, Song Gao, Jiacong Tang, Tao Hu, Xiaowen Ma, Qingsen Yan, Sunhan Xu, Juan Wang, Xinyu Sun, Lei Qi, He Xu, Jiachen Tu, Guoyi Xu, Yaoxin Jiang, Jiajia Liu, Yaokun Shi,
• Abstract要約: ダイナミックシーンにおけるマルチ露光画像融合におけるRAIM(Restore Any Image Model)の課題であるNTIRE 2026を提案する。 本稿では,シーン動作,照明変動,ハンドヘルドカメラジッタの下で露光ブラケットを融合させる,実用的ながら困難なHDR画像設定を目標とするベンチマークを提案する。 入賞方法は多露出核融合からアーティファクトを除去し、細部を回収する能力を大幅に改善した。
• 参考スコア（独自算出の注目度）: 82.64620983570866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents NTIRE 2026, the 3rd Restore Any Image Model (RAIM) challenge on multi-exposure image fusion in dynamic scenes. We introduce a benchmark that targets a practical yet difficult HDR imaging setting, where exposure bracketing must be fused under scene motion, illumination variation, and handheld camera jitter. The challenge data contains 100 training sequences with 7 exposure levels and 100 test sequences with 5 exposure levels, reflecting real-world scenarios that frequently cause misalignment and ghosting artefacts. We evaluate submissions with a leaderboard score derived from PSNR, SSIM, and LPIPS, while also considering perceptual quality, efficiency, and reproducibility during the final review. This track attracted 114 participating teams and received 987 submissions. The winning methods significantly improved the ability to remove artifacts from multi-exposure fusion and recover fine details. The dataset and the code of each team can be found at the repository: https://github.com/qulishen/RAIM-HDR.
• Abstract（参考訳）: ダイナミックシーンにおけるマルチ露光画像融合におけるRAIM(Restore Any Image Model)の課題であるNTIRE 2026を提案する。 本稿では,シーン動作,照明変動,ハンドヘルドカメラジッタの下で露光ブラケットを融合させる,実用的ながら困難なHDR画像設定を目標とするベンチマークを提案する。 課題データには、7つの露光レベルを持つ100のトレーニングシーケンスと、5つの露光レベルを持つ100のテストシーケンスが含まれている。 本研究は,PSNR,SSIM,LPIPSを指標として,最終審査における知覚的品質,効率,再現性を考察した。 このトラックは114の参加チームを集め、987の応募を受けた。 入賞方法は多露出核融合からアーティファクトを除去し、細部を回収する能力を大幅に改善した。 データセットと各チームのコードは、リポジトリで見ることができる。

関連論文リスト

• NTIRE 2025 the 2nd Restore Any Image Model (RAIM) in the Wild Challenge [60.38046597325693]
  NTIRE 2025チャレンジは、現実世界の画像復元のための新しいベンチマークを確立した。 この挑戦には300近い登録があり、51チームが600以上の結果を出した。 トップパフォーマンスの手法は、画像復元の最先端に進み、20名以上の専門家の審査員から全会一致で承認された。
  論文  参考訳（メタデータ） (2025-06-02T07:43:35Z)
• AIM 2024 Sparse Neural Rendering Challenge: Methods and Results [64.19942455360068]
  本稿では,ECCV 2024と共同で開催されるAIM(Advanceds in Image Manipulation)ワークショップの一部であるスパースニューラルレンダリングの課題についてレビューする。 この課題は、スパース画像から多様なシーンを合成する新しいカメラビューを作ることである。 参加者は、Pak Signal-to-Noise Ratio (PSNR) 測定によって測定された地中真実像に対する客観的忠実度を最適化するよう依頼される。
  論文  参考訳（メタデータ） (2024-09-23T14:17:40Z)
• Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in Dynamic Scenes [58.66427721308464]
  Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。 Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-10-03T07:10:49Z)
• NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
  この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。 この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2022-05-25T10:20:06Z)
• Self-supervised HDR Imaging from Motion and Exposure Cues [14.57046548797279]
  本稿では,学習可能なHDR推定のための新たな自己教師型アプローチを提案する。 実験の結果,提案手法を用いて訓練したHDRモデルは,全監督下で訓練したモデルと性能の競争力を発揮することがわかった。
  論文  参考訳（メタデータ） (2022-03-23T10:22:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。