解耦重构：基于主动特征解耦和可逆融合的高质量 UHD 图像修复
计算机视觉与模式识别
2025-06-27 v2
摘要
超高清（UHD）图像修复常面临计算瓶颈和信息损失问题，由于其极高分辨率。基于变分自编码器（VAE）的现有研究通过将图像修复过程从像素空间转移到潜空间来提高效率。然而，降解组件在降解图像中本质上与背景元素耦合，压缩期间的信息损失和补偿期间的信息增长均不可控。这导致修复后的图像常出现细节丢失和不完全降解去除。为解决此问题，我们提出了受控差分解耦 VAE，利用层次对比解耦学习和正交门控投影模块引导 VAE 主动丢弃容易恢复的背景信息，同时将更难恢复的降解信息编码到潜空间。此外，我们设计了复杂可逆多尺度融合网络来处理背景特征，确保其一致性，并利用潜空间恢复网络对降解潜特征进行变换，从而实现更精确的修复结果。广泛的实验结果表明，我们的方法有效缓解了 VAE 模型中的信息损失问题，同时保持计算效率，显著提升了 UHD 图像修复质量，并在六项 UHD 修复任务中实现了仅需 1M 参数的领先结果。
引用
@article{arxiv.2503.12764,
title = {Decouple to Reconstruct: High Quality UHD Restoration via Active Feature Disentanglement and Reversible Fusion},
author = {Yidi Liu and Dong Li and Yuxin Ma and Jie Huang and Wenlong Zhang and Xueyang Fu and Zheng-jun Zha},
journal= {arXiv preprint arXiv:2503.12764},
year = {2025}
}
备注
Accepted by ICCV 2025