DRM-IR：面向全场景图像复原的任务自适应深度展开网络
计算机视觉与模式识别
2023-12-01 v2 图像与视频处理
摘要
现有的全场景图像复原（All-In-One IR）方法通常缺乏对各类退化的灵活建模，从而制约了复原性能。为实现具有更高任务灵活性的全场景图像复原，本文提出一种高效动态参考建模范式（DRM-IR），其由任务自适应退化建模与基于模型的影像复原组成。具体而言，这两个子任务被形式化为一对纠缠的基于参考的最大后验（MAP）推断，并以基于展开的方式同步优化。借助这两个级联子任务，DRM-IR首先基于参考图像对动态建模特定任务的退化，进而利用所收集的退化统计量复原图像。此外，为弥合参考图像与目标退化图像之间的语义鸿沟，我们进一步设计了一种退化先验传输器（DPT）以抑制实例特定的特征差异。DRM-IR在全场景图像复原中显式提供了更优的灵活性且具可解释性。在多个基准数据集上的大量实验表明，我们的DRM-IR在全场景图像复原中达到了最先进水平（SOTA）。
引用
@article{arxiv.2307.07688,
title = {DRM-IR: Task-Adaptive Deep Unfolding Network for All-In-One Image Restoration},
author = {Yuanshuo Cheng and Mingwen Shao and Yecong Wan and Chao Wang},
journal= {arXiv preprint arXiv:2307.07688},
year = {2023}
}