X-Restormer++：解决 UG2+ CVPR 2026 全天气修复挑战赛的第 1 名方案
计算机视觉与模式识别
2026-05-14 v1 人工智能
摘要
本文提出了我们在第 8 届 UG2+ 挑战赛 (CVPR 2026) Track 1：全天气条件下的图像修复中获奖方案。我们的方法基于强大的基线框架 X-Restormer 构建，该框架通过其双注意力设计 (Multi-DConv Head Transposed Attention 和 Overlapping Cross-Attention) 有效捕获了通道级全局依赖关系和空间局部结构信息。为进一步提升修复性能，我们提出了几个关键改进。首先，我们集成了来自 Restormer-Plus 的空间自适应输入缩放机制，以动态调整输入图像的空间权重，从而增强空间适应性。其次，为更好地保留结构细节和边缘信息，我们引入了一种新颖的梯度引导边缘感知损失 (GGEA)，该损失与 L1 和多尺度 SSIM 损失一起构成统一的训练目标。最后，我们通过在原有 WeatherStream 数据集之外，加入额外 24,500 对退化-干净图像对 (来自 FoundIR 和 WeatherBench) 来显著扩大训练数据。通过这些策略，我们的方法成功地在挑战赛中获得了第 1 名成绩。
引用
@article{arxiv.2605.13258,
title = {X-Restormer++: 1st Place Solution for the UG2+ CVPR 2026 All-Weather Restoration Challenge},
author = {Youwei Pan and Leilei Cao and Yingfang Zhu and Fengjie Zhu},
journal= {arXiv preprint arXiv:2605.13258},
year = {2026}
}