高动态范围(HDR)成像是一种允许广泛动态范围的曝光的技术，这在图像处理、计算机图形学和计算机视觉中很重要。近年来，利用深度学习(deep learning, DL)进行HDR成像取得了显著进展。本研究对深度HDR成像方法的最新发展进行了全面而有见地的调研和分析。我们根据(1) 输入曝光的数量/领域、(2) 学习任务的数量、(3) 新的传感器数据、(4) 新的学习策略和(5) 应用将现有的深度HDR成像方法分层和结构化地分为五类。重要的是，我们就每个类别的潜力和挑战提供建设性的讨论。此外，我们回顾了深度HDR成像的一些关键方面，如数据集和评估指标。最后，我们指出了一些有待解决的问题，并指出了未来的研究方向。

内容中包含的图片若涉及版权问题，请及时与我们联系删除