X-Restormer++ vince la CVPR 2026 All-Weather Restoration Challenge
Un team di ricercatori ha vinto la Track 1 dell'8° UG2+ Challenge (CVPR 2026) sul restauro di immagini in condizioni meteorologiche avverse con il loro metodo X-Restormer++. La soluzione si basa sul baseline X-Restormer, che utilizza un design a doppia attenzione (Multi-DConv Head Transposed Attention e Overlapping Cross-Attention) per catturare dipendenze globali per canale e informazioni strutturali spazialmente locali. I miglioramenti chiave includono l'integrazione di un meccanismo di scaling dell'input spazialmente adattivo da Restormer-Plus per regolare dinamicamente i pesi spaziali, l'introduzione di una nuova loss Gradient-Guided Edge-Aware (GGEA) combinata con le loss L1 e Multi-Scale SSIM, e un'espansione significativa del dataset di addestramento. Il lavoro è dettagliato in un articolo su arXiv (2605.13258).
Fatti principali
- X-Restormer++ ha vinto il 1° posto nella Track 1 dell'8° UG2+ Challenge (CVPR 2026).
- Il metodo si basa sul framework baseline X-Restormer.
- X-Restormer utilizza doppia attenzione: Multi-DConv Head Transposed Attention e Overlapping Cross-Attention.
- I miglioramenti includono lo scaling dell'input spazialmente adattivo da Restormer-Plus.
- Viene introdotta una nuova loss Gradient-Guided Edge-Aware (GGEA).
- L'addestramento combina le loss GGEA, L1 e Multi-Scale SSIM.
- Il dataset di addestramento è stato significativamente ampliato.
- L'articolo è disponibile su arXiv con ID 2605.13258.
Entità
Istituzioni
- arXiv
- CVPR
- UG2+ Challenge