一次扩散即可：面向高效全方位图像修复的退化感知 LoRA
计算机视觉与模式识别
2025-08-06 v1
摘要
扩散模型在全方位图像修复（AiOIR）中展现出强大的潜力，擅长生成丰富的纹理细节。现有AiOIR方法要么重新训练扩散模型，要么通过额外的条件性指导对预训练的扩散模型进行微调。然而，这些方法常常面临高推理成本和对多样化退化类型适应性有限的问题。本文提出一种高效AiOIR方法，称为Diffusion Once and Done（DOD），旨在仅通过一步采样即可实现卓越的修复性能。具体而言，首先引入多退化特征调制，以捕获预训练扩散模型中不同的退化提示。随后，采用参数高效的条件低秩适配将这些提示整合进去，实现对不同退化类型的扩散模型微调。此外，还将高保真细节增强模块集成到SD的解码器中，以提升结构和纹理细节。实验表明，我们的方法在视觉质量和推理效率方面均优于现有的基于扩散的修复方法。
引用
@article{arxiv.2508.03373,
title = {Diffusion Once and Done: Degradation-Aware LoRA for Efficient All-in-One Image Restoration},
author = {Ni Tang and Xiaotong Luo and Zihan Cheng and Liangtai Zhou and Dongxiao Zhang and Yanyun Qu},
journal= {arXiv preprint arXiv:2508.03373},
year = {2025}
}