基于潜在先验编码的退化感知全方位图像恢复
计算机视觉与模式识别
2025-12-29 v3
摘要
真实世界图像常常受到烟雾、雨雪、低光等空间异质退化的影响，对视觉质量和下游视觉任务造成重大影响。现有的全方位恢复(AIR)方法要么依赖外部文本提示，要么嵌入手工架构先验(如频率启发式)，两者都施加离散、脆弱的假设，削弱了对未见或混合退化的泛化能力。为此，我们提出将AIR重新框定为学习潜在先验推断，其中无需显式任务线索即可自动推断退化感知表征。基于潜在先验，我们将AIR建模为结构化推理范式：(1)选择哪些特征路由(自适应特征选择)，(2)在何处恢复(空间局部化)，以及(3)恢复什么内容(退化语义)。我们设计了一个轻量级解码模块，高效利用这些潜在编码线索进行空间自适应恢复。广泛的实验覆盖六类常见退化任务、五种复合场景以及以前未见的退化，表明该方法在渲染质量和几何精度方面均优于最先进(SOTA)方法，平均PSNR提升1.68 dB，同时实现了三倍以上的效率提升。
引用
@article{arxiv.2509.17792,
title = {Degradation-Aware All-in-One Image Restoration via Latent Prior Encoding},
author = {S M A Sharif and Abdur Rehman and Fayaz Ali Dharejo and Radu Timofte and Rizwan Ali Naqvi},
journal= {arXiv preprint arXiv:2509.17792},
year = {2025}
}