发表机构
POSTECH（浦项科技大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对多传感器机器人系统 HDR 感知评估基准缺失的问题，构建含真实与合成场景的大规模数据集，提出深度引导多视图曝光 bracketing（DMEB）单帧 HDR 方法，经评估该方法可作为参考基准且具应用潜力。
AI 中文摘要
在极端光照条件下实现可靠的单帧高动态范围（HDR）成像仍是长期存在的挑战，且目前尚无针对多传感器机器人系统中 HDR 感知评估的综合基准。为填补这一空白，我们通过定制机器人视觉平台与 iPhone 13 Pro 采集了一个大规模数据集：包含 121 个涵盖中等及超高动态范围条件的真实场景，以及来自 CARLA 模拟器的 20 个合成视频序列。作为该数据集的参考流水线，我们提出深度引导多视图曝光 bracketing（DMEB），这是一种单帧 HDR 方法，可在多视图低比特深度相机间分配差异显著的曝光，并通过深度引导的置信度感知融合对其进行融合。在我们的数据集上的评估表明，DMEB 建立了一个强有力的参考基准，并凸显了该传感器配置在多样多相机与深度传感器系统中实现稳健 HDR 感知的潜力。
英文摘要
Achieving reliable single-shot high dynamic range (HDR) imaging under extreme illumination conditions remains a long-standing challenge, yet no comprehensive benchmark exist for evaluating HDR perception in multi-sensor robotic systems. To fill this gap, we introduce a large-scale dataset collected via a custom robotic vision platform and an iPhone 13 Pro: 121 real-world scenes spanning modest and ultra-high dynamic range conditions, alongside 20 synthetic video sequences from the CARLA simulator. As a reference pipeline for this dataset, we propose Depth-guided Multi-view Exposure Bracketing (DMEB), a single-shot HDR method that distributes drastically different exposures across multi-view low-bit-depth cameras and fuses them via depth-guided confidence-aware fusion. Evaluations on our dataset show that DMEB establishes a strong reference point and highlight the promise of this sensor configuration for robust HDR perception in diverse multi-camera and depth sensor system.
Comments14 pages, ECCV 2026 accepted
