論文の概要: NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: AI Flash Portrait (Track 3)

• arxiv url: http://arxiv.org/abs/2604.11230v1
• Date: Mon, 13 Apr 2026 09:30:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.45542
• Title: NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: AI Flash Portrait (Track 3)
• Title（参考訳）: NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: AI Flash Portrait (Track 3)
• Authors: Ya-nan Guan, Shaonan Zhang, Hang Guo, Yawen Wang, Xinying Fan, Tianqu Zhuang, Jie Liang, Hui Zeng, Guanyi Qin, Lishen Qu, Tao Dai, Shu-Tao Xia, Lei Zhang, Radu Timofte, Bin Chen, Yuanbo Zhou, Hongwei Wang, Qinquan Gao, Tong Tong, Yanxin Qian, Lizhao You, Jingru Cong, Lei Xiong, Shuyuan Zhu, Zhi-Qiang Zhong, Kan Lv, Yang Yang, Kailing Tang, Minjian Zhang, Zhipei Lei, Zhe Xu, Liwen Zhang, Dingyong Gou, Yanlin Wu, Cong Li, Xiaohui Cui, Jiajia Liu, Guoyi Xu, Yaoxin Jiang, Yaokun Shi, Jiachen Tu, Liqing Wang, Shihang Li, Bo Zhang, Biao Wang, Haiming Xu, Xiang Long, Xurui Liao, Yanqiao Zhai, Haozhe Li, Shijun Shi, Jiangning Zhang, Yong Liu, Kai Hu, Jing Xu, Xianfang Zeng, Yuyang Liu, Minchen Wei,
• Abstract要約: NTIRE 2026 3rd Restore Any Image Model (RAIM) の課題について概観する。 この課題は、現実世界の低照度肖像画復元のための新しいベンチマークを確立することを目的としている。 本報告では,課題の背景にあるモチベーション,データセット構築プロセス,評価指標,および競争のさまざまなフェーズについて詳述する。
• 参考スコア（独自算出の注目度）: 127.69044386248355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a comprehensive overview of the NTIRE 2026 3rd Restore Any Image Model (RAIM) challenge, with a specific focus on Track 3: AI Flash Portrait. Despite significant advancements in deep learning for image restoration, existing models still encounter substantial challenges in real-world low-light portrait scenarios. Specifically, they struggle to achieve an optimal balance among noise suppression, detail preservation, and faithful illumination and color reproduction. To bridge this gap, this challenge aims to establish a novel benchmark for real-world low-light portrait restoration. We comprehensively evaluate the proposed algorithms utilizing a hybrid evaluation system that integrates objective quantitative metrics with rigorous subjective assessment protocols. For this competition, we provide a dataset containing 800 groups of real-captured low-light portrait data. Each group consists of a 1K-resolution low-light input image, a 1K ground truth (GT), and a 1K person mask. This challenge has garnered widespread attention from both academia and industry, attracting over 100 participating teams and receiving more than 3,000 valid submissions. This report details the motivation behind the challenge, the dataset construction process, the evaluation metrics, and the various phases of the competition. The released dataset and baseline code for this track are publicly available from the same \href{https://github.com/zsn1434/AI_Flash-BaseLine/tree/main}{GitHub repository}, and the official challenge webpage is hosted on \href{https://www.codabench.org/competitions/12885/}{CodaBench}.
• Abstract（参考訳）: 本稿では NTIRE 2026 3rd Restore Any Image Model (RAIM) の課題について概観する。 画像復元のためのディープラーニングの大幅な進歩にもかかわらず、既存のモデルは現実世界の低照度ポートレートシナリオにおいて重大な課題に直面している。 具体的には、ノイズ抑制、詳細な保存、忠実な照明と色再現の最適バランスを達成するのに苦労する。 このギャップを埋めるために、この課題は、現実世界の低照度肖像画復元のための新しいベンチマークを確立することを目的としている。 本稿では,客観的な定量的指標と厳密な主観的評価プロトコルを統合するハイブリッド評価システムを用いて,提案アルゴリズムを総合的に評価する。 このコンペティションのために、800グループからなる実写低照度ポートレートデータを含むデータセットを提供する。 各グループは、1K解像度の低照度入力画像、1K地上真理(GT)、1K人物マスクで構成される。 この課題は、学界と業界の両方から広く注目を集め、100以上の参加チームを集め、3,000以上の有効な応募を受け取った。 本報告では,課題の背景にあるモチベーション,データセット構築プロセス,評価指標,および競争のさまざまなフェーズについて詳述する。 このトラックのデータセットとベースラインコードは、同じ \href{https://github.com/zsn1434/AI_Flash-BaseLine/tree/main}{GitHubリポジトリから公開されており、公式のチャレンジWebページは \href{https://www.codabench.org/competitions/12885/}{CodaBench} にホストされている。

関連論文リスト

• NTIRE 2026 Challenge on Single Image Reflection Removal in the Wild: Datasets, Results, and Methods [99.67550064860554]
  本稿では,NTIRE 2026による野生における単一像反射除去(SIRR)の課題について概説する。 参加者にはOpenRR-5kデータセットが提供されており、さまざまなリフレクションシナリオやインテンシティをカバーする現実世界のイメージを処理する必要があります。 トップランクの手法は最先端の反射除去性能を向上させ、この分野の専門家5人から全会一致で評価を得た。
  論文  参考訳（メタデータ） (2026-04-11T19:03:03Z)
• NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (Track 2) [82.64620983570866]
  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。
  論文  参考訳（メタデータ） (2026-04-10T06:47:42Z)
• 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)
• NTIRE 2024 Restore Any Image Model (RAIM) in the Wild Challenge [60.21380105535203]
  RAIMチャレンジは野生での画像復元のためのベンチマークを構築した。 参加者は、実際の撮影画像が複雑で未知の劣化から復元されることが求められた。 トップランクの手法は最先端の復元性能を改善し、18人の審査員から全会一致の承認を得た。
  論文  参考訳（メタデータ） (2024-05-16T09:26:13Z)
• 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)

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。