以往大多數比賽通常以單任務為主，比方說要不做復原要不做偵測，但這次MaCVi的比賽需要同時解決修復和偵測兩個子任務，使得入門門檻較高。 一般水底影像的退化問題，通常伴隨著能見度差、色彩失真與光散射等挑戰，而這些退化程度又與水域的種類及深度具高度相關，若沒有改善色彩失真的問題，可能會造成色彩domain上的遷移，容易導致在偵測的階段無法順利偵測出物體位置或種類，因此兩個任務是相輔相成的。而我們聚焦於修復階段，將影像從原本的RGB色彩轉換至 LAB 色彩空間，便於表達低亮度與色偏特性，並在網路中加入交叉注意力機制以捕捉 LAB 通道間的關係，同時結合 MLP 預測水底深度與衰減係數，進一步提升修復效果。
此外，水底影像的高解析度對一般模型造成挑戰，不僅難以直接作為網路輸入，且切割為小塊輸入會損失全局特徵。為此，我們設計並訓練了一個輕量級融合模型，結合原始尺寸的退化影像與修復後的小尺寸影像，生成完整尺寸的修復結果。該模型結合了兩者優勢：原始尺寸影像保留結構細節，修復小尺寸影像增強了色彩與紋理，成功平衡了記憶體效率與修復品質。最終獲得全球第四的佳績。
