该论文回顾了 ICCV 2019 的图像去莫尔挑战，并提供了有关所提出的解决方案及其结果的详细信息，该挑战集中研究了两个不同的轨道，即针对保真度的轨道和针对感知质量的轨道，共有八个团队参与。

Nov, 2019

该论文回顾了 NTIRE 2020 挑战赛关于图像和视频去模糊的评估结果和提出的解决方案，其中包括三个竞赛赛道，即图像去模糊，移动平台图像去模糊和视频去模糊，并介绍了这些竞争赛道的注册和最后测试的情况。成功的解决方案展示了当前图像和视频去模糊任务的最先进性能。

May, 2020

本文介绍了名为 LCDMoire 的新型数据集，该数据集是 2019 年 ICCV Advances in Image Manipulation（AIM）研讨会的第一次图像去模糊挑战的一部分。该数据集包括 10,200 对合成图像（由模糊图像和干净图像组成）。除了描述数据集及其创建过程外，本文还回顾了挑战的轨迹、竞赛和结果，这些结果总结了当前在该数据集上的最新技术。

Nov, 2019

本篇论文回顾了 NTIRE 2021 图像去模糊挑战赛并描述了其中的具体挑战以及两项比赛轨迹的评估结果，目标是在不同的模糊影响下从图像数据中恢复高质量的清晰图像，并总结了本次比赛中的优胜方法用于图像去模糊任务。

Apr, 2021

该论文旨在回顾 NTIRE 2020 关于真实图像去噪的挑战， 着重介绍新引入的数据集 SIDD+、 提出的方法以及其结果，展示在 Bayer-pattern rawRGB 和标准 RGB（sRGB）颜色空间中对图像去噪的性能进行量化评估的两个赛道，其中参赛者达到了约 250 人。22 支队伍采用了 24 种方法进行比赛，参赛团队提出的方法代表当前针对真实噪声图像的图像去噪中的最新技术表现。

May, 2020

这篇论文回顾了 NTIRE 2020 关于真实世界超分辨率的挑战，重点关注参与方法和最终结果。该挑战旨在提高超分辨率领域的技术水平，提供了包括图像处理伪影和智能手机图像两个领域的评估标准，并吸引了 22 个团队的参与。

May, 2020

本文介绍了 NTIRE 2022 感知图像质量评估（IQA）挑战赛，该挑战赛旨在解决感知图像处理算法的 IQA 新挑战和通过 PIPAL 数据集使用完全不同于传统失真的算法输出图像。该挑战分为两个轨道，一个是类似于以前的 IQA 挑战的全参考 IQA 轨道，另一个是专注于无参考 IQA 方法的新轨道。该挑战已有 192 和 179 个参赛者注册，其中有 7 和 8 个参赛者提交了他们的模型和实验报告。几乎所有参赛者的结果都优于现有的 IQA 方法，获胜算法表现卓越。

Jun, 2022

该论文回顾了 2022 年 CVPR 的 NTIRE 研讨会中关于受限高动态范围（HDR）成像的挑战。本文聚焦于竞赛设定、数据集、提议的方法以及他们的结果。竞赛旨在从多个相应的低动态范围（LDR）观测中估计 HDR 图像，这些观测可能会受到欠曝或过曝区域和不同噪声来源的影响。竞赛由两个轨道组成，强调保真度和复杂性约束。在跟踪 1 中，要求参与者在强制执行低复杂性约束的同时优化客观保真度分数。在跟踪 2 中，要求参与者在强制执行保真度约束的同时最小化其解决方案的复杂度。这两个轨道使用相同的数据和指标：保真度通过与基准 HDR 图像进行相对于 PSNR 的计算来进行测量，包括通过乘积累加（MAC）操作的数量和运行时间（以秒为单位）的复杂性指标。

May, 2022

该论文回顾了 NTIRE 2021 高动态范围（HDR）成像挑战赛的首次挑战，着重讲述了新引入的数据集、提出的方法及其结果。该挑战旨在从一个或多个低动态范围（LDR）观测中估计 HDR 图像，要解决曝光不足或过度曝光区域和不同噪声来源的问题。本文介绍了该挑战的两个阶段，并旨在实现最佳目标 HDR 重构。

Jun, 2021

本研究提出了一种统一框架 DTNet，即一种面向方向和时间的双边学习网络，用于视频去莫尔纹。DTNet 在去莫尔纹的过程中有效地应用莫尔纹模式移除、对齐、色彩校正和细节修复等步骤，经过广泛实验证明，在峰值信噪比方面，该方法优于最先进的方法，并提供更好的视觉体验。

Aug, 2023