CSIG图像图形技术挑战赛是由中国图象图形学学会主办的系列赛事，迄今已成功举办六届。学会作为挑战赛的主办方，积极发挥专家优势和组织优势，搭建学术界与产业界之间的沟通桥梁，帮助解决企业技术难题，挖掘优秀人才，促进我国图像图形技术及相关产业的发展和应用。第六届挑战赛共设七个赛道，吸引了来自国内外高校、科研机构及企业共2879支队伍报名参赛。

获得第六届CSIG图像图形技术挑战赛总决赛季军的团队是2025“Camera学术之星”影像算法技术竞赛赛道冠军南京理工大学计算机科学与工程学院NJUST_VPEG_SR团队。

本团队由南京理工大学潘金山教师指导，主要从事图像视频复原与增强等相关底层视觉问题的研究，隶属于南京理工大学智能媒体分析实验室（IMAG）。本课题组承担了国家自然科学基金重点项目、联合基金重点项目、优秀青年基金等重大科研任务，在历史影像及经典影视修复方面的成果受到新华社、央视综合频道CCTV-1、央视网、央视频等多家媒体报道。 

赛道介绍

该赛道赛题要求以低分辨长焦图像作为输入，可结合图像增强、AIGC等技术手段，实现长焦望远场景的图像细节增强，核心目标是让手机在30X、50X、100X等百倍变焦场景下也能拍摄出清晰图像，达到超越人眼、对标单反的成像效果。百倍变焦下的低分辨图像普遍存在严重的细节丢失、噪声干扰及纹理模糊问题，手机有限的传感器尺寸与光学性能，与单反设备的成像条件存在显著差距，进一步加剧了成像退化。真实拍摄场景中不可控的大气扰动、抖动模糊等因素，使图像退化模式更趋复杂多样，任务极具挑战性。

参赛方案介绍

针对本届长焦图像复原任务，本团队基于长期在真实退化建模、超分辨率与扩散模型等方向的研究积累，对长焦成像特点进行了系统分析，提出了一套更契合真实拍摄场景的长焦复原方案。

现有方法普遍沿用RealESRGAN退化模型，难以有效描述长焦远距离拍摄中普遍存在的高变焦倍率、抖动模糊与涂抹感等复杂退化。本团队首先构建了更加符合长焦成像物理特性的退化建模策略，从源头提升模型对长焦场景的真实退化的解决能力。

在分数蒸馏方面，传统 CSD Loss 通过增强语义间接提升图像质量，但语义增强的梯度方向与真实图像增强的梯度并非完全一致，容易导致语义过度约束或细节偏移。为解决这一问题，我们提出了更契合长焦复原特性的梯度构造方式：直接利用扩散模型在小时间步长（高保真、高质量）与大时间步长（低保真、质量较差） 下的去噪结果差值作为梯度。该间隔天然携带“从粗糙到精细”的真实图像增强梯度，避免了语义蒸馏的不稳定性，使模型更容易学习到提升结构、纹理与清晰度所需的真实方向。

改进后的训练策略不仅强化了模型的保真能力，也显著提升了整体复原质量。在复赛阶段，我们的方案凭借更加合理的梯度构建方式，在核心指标上领先，最终获得了2025“Camera学术之星”影像算法技术竞赛赛道冠军。

参赛总结与展望

在手机影像“突破光学极限”的产业潮流下，高倍率细节恢复、真实退化理解将成为提升移动影像体验的核心竞争力。本次2025“Camera学术之星”影像算法技术竞赛，从命题设计、平台支持到赛事评审，学会与华为终端通力协作、全力保障，具有较高的学术价值与实践意义，也带来了面向未来图像增强趋势的新思考。

NJUST_VPEG_SR 团队在极具挑战性的长焦成像复原任务中，以扎实的技术积累和严谨的实验分析为基础，从真实手机长焦拍摄机制出发，构建了更契合真实长焦退化的建模方式，并提出了基于不同时间步去噪间隔构建的全新梯度信号，使模型能够准确掌握“从模糊到清晰”的增强路径。经过多轮迭代优化，该方案在细节重建、边缘结构保持与长焦语义一致性方面表现突出，最终获得本届大赛总决赛季军。