近日，小米在计算机视觉领域顶级会议CVPR 2026的NTIRE赛事中取得出色成绩，一举斩获三项奖项，充分展现了其在影像算法、图像增强与图像修复方向的技术积累和创新实力。

NTIRE是全球规模最大、学术水平领先的图像恢复与图像增强领域研讨赛事，由CVPR组委会主办。此次小米团队在高效超分辨率、人像修复以及反光消除三大核心赛道中均取得优异表现，相关技术方案也已同步发布至学术平台，进一步体现了小米在AI影像与计算摄影领域的研发能力。

高效超分辨率赛道夺冠

在高效超分辨率挑战赛中，小米玄戒多媒体算法团队提出的SPANV2方法以综合得分4.43排名第一。该方案在推理速度、计算成本与参数规模之间实现了更优平衡。

与上一代SPAN相比，SPANV2主要完成了两项关键升级：其一，模型可根据图像内容自适应判断需要修复的区域及对应处理方式，不再对整张图像使用固定策略；其二，优化了GPU注意力计算中的数据搬运流程，将原先需要三次显存读写的步骤合并为一次，大幅降低计算消耗。凭借这两项改进，模型在几乎不影响画质的前提下，进一步提升了推理效率与整体性能。

人像修复方案获认可

在人像修复赛道中，小米大模型应用团队凭借双阶段级联框架结合单步扩散细化的技术方案，从全球参赛队伍中脱颖而出，获得第一名。

针对真实场景下老照片常见的模糊、压缩损伤、噪声叠加及低分辨率等复合退化问题，团队设计了更加稳健的人像修复流程：第一阶段基于OSDFace进行粗修复与结构重建，重点解决五官布局和整体人脸结构稳定性；第二阶段通过Z-Image One-step Diffusion进行细节增强，补充皮肤纹理、发丝等高频信息。与此同时，团队还引入单步扩散细节增强机制，将原本复杂的多步推理压缩为单步完成，在保证图像生成质量的同时显著提升处理效率。

反光消除技术取得进展

在反光消除赛道中，小米大模型应用团队基于RDNet-XL架构，结合骨干网络升级、扩散模型知识蒸馏以及渐进式多分辨率训练策略，在CVPR 2026主观评分中获得4.31分，位列第二，同时多项客观评测指标排名第一。

在具体技术实现上，团队将原始骨干网络由FocalNet-L升级至FocalNet-XL，进一步增强了模型的多尺度表征能力和全局上下文建模能力。针对强反射、复杂反射等高难度样本，团队创新采用扩散模型知识蒸馏策略：首先利用扩散模型SOTA方法生成1000对高质量伪标签数据；随后通过域对齐处理消除编码差异；最后以扩散模型输出作为教师信号开展蒸馏训练，从而提升模型在复杂场景下的反光去除效果。

此外，团队还采用了三阶段渐进式分辨率训练策略，将训练分辨率从384×384逐步提升至768×768。通过这种由小到大的训练方式，模型能够先学习局部反射模式，再逐步建立对全局结构的理解，有效避免直接在高分辨率条件下训练可能带来的不稳定问题，进一步提升了反光消除算法的鲁棒性与实际应用价值。