全方位图像修复综述：分类、评估与未来趋势
计算机视觉与模式识别
2025-08-13 v3 图像与视频处理
摘要
图像修复 (IR) 旨在从由广泛因素引起的退化观察中恢复高质量图像，包括噪声、模糊、压缩和恶劣天气等。虽然传统 IR 方法通过针对单个退化类型取得了显著进展，但其专业化往往以牺牲泛化性为代价，难以应对实际应用中遇到的多方面退化。为应对这一挑战，近期涌现出一种全方位图像修复 (AiOIR) 框架，该框架能有效处理多种退化类型。这些创新模型通过自适应学习退化特定特征，同时整合跨不同腐蚀的共享知识，从而提升便利性和通用性。在本综述中，我们提供了对 AiOIR 的首个深入且系统性概述，构建了结构化分类体系，将现有方法按架构设计、学习范式及核心创新进行归类。我们系统归类当前方法，评估这些模型所遇到的挑战，勾勒出推动该领域快速发展的研究方向。为促进既有方法的评估，我们还整合了广泛使用的数据集、评估协议和实现实践，对比总结了最先进的开源模型。作为首篇专注于 AiOIR 的全面综述，本文旨在绘制该概念领域的全貌，综合现有技术，激发进一步探索向更智能、统一且适应性更强的视觉修复系统迈进。已精选代码仓库地址为 https://github.com/Harbinzzy/All-in-One-Image-Restoration-Survey。
引用
@article{arxiv.2410.15067,
title = {A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends},
author = {Junjun Jiang and Zengyuan Zuo and Gang Wu and Kui Jiang and Xianming Liu},
journal= {arXiv preprint arXiv:2410.15067},
year = {2025}
}
备注
IEEE Transactions on Pattern Analysis and Machine Intelligence