Cat-AIR：面向内容与任务的全能图像修复
图像与视频处理
2025-03-25 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
全能图像修复旨在使用单一模型从各种类型退化中恢复高质量图像，而无需事先了解损坏来源。然而，现有方法往往难以有效且高效地处理多种退化类型。我们提出了 Cat-AIR，一种新的 \textbf{C}ontent \textbf{A}nd \textbf{T}ask-aware framework for \textbf{A}ll-in-one \textbf{I}mage \textbf{R}estoration（内容与任务感知的全能图像修复框架）。Cat-AIR 融合了交替空间-通道注意力机制，能够针对不同任务自适应地平衡局部和全局信息。具体而言，我们引入跨层通道注意力和跨特征空间注意力，根据内容和任务复杂度分配计算资源。此外，我们提出了平滑学习策略，使模型能够在保持现有任务性能的同时，无缝适应新的恢复任务。广泛的实验表明，Cat-AIR 在广泛的恢复任务上实现了最先进的性能，所需的 FLOPs 数量也低于先前方法，为高效的全能图像修复树立了新的基准。
引用
@article{arxiv.2503.17915,
title = {Cat-AIR: Content and Task-Aware All-in-One Image Restoration},
author = {Jiachen Jiang and Tianyu Ding and Ke Zhang and Jinxin Zhou and Tianyi Chen and Ilya Zharkov and Zhihui Zhu and Luming Liang},
journal= {arXiv preprint arXiv:2503.17915},
year = {2025}
}