我们提出IRNeXt，一种简洁而高效的卷积神经网络架构，用于图像恢复任务。近年来，由于在建模长距离像素交互方面具有强大能力，Transformer模型在图像恢复领域占据主导地位。本文中，我们深入挖掘了卷积神经网络（CNN）的潜力，结果表明，我们的基于CNN的模型在多个图像恢复任务上能够达到与Transformer模型相当甚至更优的性能，同时计算开销显著降低。通过对先进图像恢复算法特征的重新审视，我们识别出若干推动恢复模型性能提升的关键因素，这促使我们设计了一种基于低成本卷积算子的新型网络架构。大量实验证明，IRNeXt在多种图像恢复任务（包括图像去雾、单图像离焦/运动模糊去模糊、图像去雨、图像去雪）上，于多个数据集上均实现了当前最优的性能表现，且具有极低的计算复杂度。