1、研究动机

针对雨、雾、雪、雨滴等多种恶劣天气造成的图像退化问题，现有统一型图像复原模型无法适配天气退化空间异质性的本质特征。结合状态空间模型与莫顿序遍历的技术优势，该论文提出全新退化估计机制，实现兼顾全局与局部的自适应图像复原。创新点包括：

• 引入莫顿序遍历替代传统扫描，有效捕捉具有空间异质性的天气退化动态特征。如图所示，莫顿扫描能够更好的利用空间局部信息。
• 设计了Dual Degradation Estimation Module，估计全局退化描述子与空间自适应核。这两类互补的特征表征会对 MOS2D 模块进行动态调制，从而实现具备上下文感知能力、空间自适应的图像复原。

2、模型框架

论文整体框架如图所示，输入为退化图像，包括两个分支：1）分支流：与真值（GT）共同进入 DDEM 模块，输出全局退化先验 Z0 和局部退化先验 Z1。 2）主干分支：经过卷积层和多阶段下采样，输入堆叠的MDSL层，由Z0和Z1动态调制特征，完成自适应修复建模。最后经过上采样和卷积重建，最终输出清晰图像。

（1）Dual Degradation Estimation Module (DDEM)。 显著解耦并估计两类退化先验，为修复提供引导。输入的退化图像和GT拼接在一起，经过若干MDSL块处理，得到的特征经 Avg pool + MLP + Linear + SiLU，输出 Z0，即天气类型、整体严重度等全局信息。同样特征经 Conv Blocks + 矩阵乘法，得到雨丝、雪花等局部退化的空间分布。

（2）Degradation modulation mechanism within MOS2D。 如下图所示，(Z_0) 进入 DAFM，做通道级特征调制，调制后的特征经过 Morton Scan，转为一维序列。(Z_1) 与序列特征进入 DSAM，做空间注意力调制。调制后的特征被拆分，送入 S6 Block，动态生成 SSM 参数并完成序列建模，最后得到增强特征 (F_{i+1})