题目NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (Track 2)作者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单位OPPO研究院、南开大学、香港理工大学、维尔茨堡大学等下载https://arxiv.org/pdf/2604.09030v1代码https://github.com/qulishen/RAIM-HDR本文是NTIRE 2026 RAIM挑战赛Track 2动态场景多曝光图像融合的赛事报告。该赛道聚焦于一个实用但极具挑战性的HDR成像场景在存在物体运动、手持抖动和光照变化的条件下将不同曝光等级的包围曝光序列融合为高质量图像。数据集包含100组训练序列7个曝光等级和100组测试序列5个曝光等级评估指标综合PSNR、SSIM和LPIPS计算排名分数。赛道共吸引114支队伍参赛累计收到987次提交。最终来自武汉大学的WHU-VIP团队以58.889的综合得分夺冠其方法基于AFUNet骨干网络引入空间特征变换SFT模块和带可靠性门控的数据一致性模块DCM-RG并采用四阶段课程学习策略逐步提升重建质量。SHL团队第二名提出轻量级全局引导策略和邻域像素关系损失nunucccb团队第三名采用基于上下文感知Vision Transformer的HDR-Transformer框架。前三名方法在两个测试阶段均保持稳定表现体现了良好的泛化能力。一句话总结NTIRE 2026动态场景多曝光融合挑战赛发布了新基准数据集与评估协议冠军WHU-VIP方案通过可靠性门控与课程学习有效抑制运动伪影为移动端HDR成像提供了实用参考。
