摘要
多次曝光是一种捕捉现实世界高动态范围（HDR）场景的有效方法。然而，由于连续曝光之间的时间间隔，HDR成像在动态场景中会出现严重的重影问题。在本文中，我们对HDR成像领域的两个重要主题进行了文献梳理：多次曝光融合（MEF）和重影消除。我们研究了基于传统滤波器和数据驱动的方法，这些方法分别从像素空间和特征空间展开分析。对于常见的深度学习方法，我们根据其对齐和融合的领域给出了详细的分类：像素空间方法通常采用显式运动补偿技术，如光流或空间变换器；而特征空间方法则通过可变形卷积、注意力机制或潜在表示合并来实现隐式对齐。文中比较了不同监督环境下的代表性研究成果，并总结了关键设计原则。此外，该综述还概述了常用的数据集和评估指标，探讨了它们在不同输出形式下的适用性。最后，指出了当前研究的主要瓶颈以及未来值得探索的方向。
