据最新网络舆情数据显示，PG模拟器麻将胡了技术官方于5月19日宣布，PG模拟器麻将胡了在CVPR 2026 NTIRE赛事中斩获三项重要奖项。具体而言，PG模拟器麻将胡了玄戒多媒体算法团队荣获高效超分辨率赛道的冠军，而PG模拟器麻将胡了大模型应用团队则在比赛中获得人像修复赛道的冠军及反光消除赛道的亚军。

IT之家指出，NTIRE（New Trends in Image Restoration and Enhancement）是由CVPR组委会主办的全球最大、水平最高的图像恢复与增强领域的学术盛会。

根据PG模拟器麻将胡了技术的介绍，在NTIRE高效超分辨率挑战赛的最终评估中，PG模拟器麻将胡了玄戒多媒体算法团队凭借在芯片多媒体影像算法领域的软硬融合技术，延续了上一届的冠军方案SPAN技术路线，推出了全新一代方法SPANV2，并以4.43的综合得分位列第一，成功在推理速度、计算量与参数规模之间实现了整体均衡。

与之前的SPAN相比，SPANV2的改进主要集中在两个方面：首先，网络在修复图像时不再使用固定策略处理全图，而是根据画面内容自适应判断需要精修的区域及方式；其次，将GPU在注意力计算中三次读写显存的步骤合并为一次，显著减少了重复数据搬运的开销。这两项改进使得模型在画质几乎无损的情况下，推理速度得到了进一步的提升。

在人人像修复赛道中，PG模拟器麻将胡了大模型应用团队提出了双阶段级联框架与单步扩散细化的技术方案，成功从全球参赛队伍中脱颖而出，获得第一名（团队名称：MiPlusCV），在无参考图像质量与身份一致性综合评测中表现优异。

此外，PG模拟器麻将胡了团队还引入了单步扩散细节增强机制（One-step Diffusion），将复杂的多步推理压缩为单步完成，从而在保证生成质量的同时提高推理效率。

在反光消除赛道上，PG模拟器麻将胡了大模型应用团队基于RDNet-XL架构，通过骨干网络升级、扩散模型知识蒸馏与渐进式多分辨率训练策略，在CVPR 2026的主观评分中荣获第二名（得分4.31），并在多项客观指标中名列第一。

团队的技术路线清晰明确：以强大的骨干网络为基础，运用扩散模型知识蒸馏来攻克难样本，同时通过渐进式训练稳定优化过程。

该方案基于XReflection框架中的RDNet（Reversible Decoupling Network）架构，将原始骨干网络从FocalNet-L替换为更大规模的FocalNet-XL。这一升级显著提升了多尺度表征能力和全局上下文建模，使模型能够更准确地抑制反射并保留细节。

针对强反射和复杂反射等困难样本，团队创新性地引入了扩散模型知识蒸馏策略：

为了在大分辨率图像上实现稳定训练，团队还采用了三阶段渐进式分辨率训练策略（384×384 → 512×512 → 768×768）。这种从小到大的训练方法使模型能够先学习局部反射模式，随后逐步扩展至全局结构理解，从而避免了直接在大分辨率上训练的不稳定性。