基于因果去偏和小波解耦的全方位图像修复提示网络
计算机视觉与模式识别
2026-03-05 v1
摘要
图像修复代表了一种解决图像内容失真内在缺陷的有前景的methods。标准图像修复方法存在存储成本高以及对已知退化模式（包括类型和程度）的要求，这在动态实际场景中几乎无法满足。相较之下，全方位图像修复（AiOIR）通过统一的模型消除多个退化，从而规避上述问题。然而，根据我们的因果分析，我们发现AiOIR模型仍存在两个显著缺陷：1）非退化语义特征与退化模式之间的虚假相关性；2）退化模式的偏性估计。为获取受损图像与恢复图像之间的真实因果关系，我们提出了Causal-deconfounding Wavelet-disentangled Prompt Network（CWP-Net）用于有效的全方位图像修复。CWP-Net引入两个模块进行解耦，即编码器的小波注意力模块和解码器的小波注意力模块。这些模块显式地解耦退化特征和语义特征，以处理虚假相关性问题。为了解决因退化模式偏性估计引起的问题，CWP-Net利用小波提示模块生成备用变量以进行因果去偏。大量实验表明，我们提出的CWP-Net在两种全方位设置下均显示出有效性和优异性能，优于当前最先进的AiOIR方法。
引用
@article{arxiv.2603.03839,
title = {All-in-One Image Restoration via Causal-Deconfounding Wavelet-Disentangled Prompt Network},
author = {Bingnan Wang and Bin Qin and Jiangmeng Li and Fanjiang Xu and Fuchun Sun and Hui Xiong},
journal= {arXiv preprint arXiv:2603.03839},
year = {2026}
}
备注
Accepted by IEEE TIP 2026