基于通道级功能分解和流形正则化的高效退化无关图像修复
计算机视觉与模式识别
2026-03-02 v2
摘要
退化无关图像修复旨在处理多种腐败，但在不同退化类型的效率和性能之间面临根本性挑战。现有方法要么为通用性牺牲效率，要么无法捕捉各种退化的不同表征需求。我们提出了 MIRAGE，一个高效框架，通过两种关键创新解决这些挑战。首先，我们提出了通道级功能分解，通过系统性地重用注意力机制中的通道冗余，将 CNN、注意力和 MLP 分支分别用于处理局部纹理、全局上下文和通道统计。这一原则化的分解在实现退化无关学习的同时，实现了卓越的效率-性能权衡。其次，我们引入流形正则化，在对称正定 (SPD) 空间中执行跨层对比对齐，实证改进了跨退化类型的特征一致性和泛化性。大量实验表明，MIRAGE 在各种全能 IR 设置下实现了卓越的效率，显著优于现有方法，为面对挑战性未见 IR 场景提供了可扩展且通用的解决方案。
引用
@article{arxiv.2505.18679,
title = {Efficient Degradation-agnostic Image Restoration via Channel-Wise Functional Decomposition and Manifold Regularization},
author = {Bin Ren and Yawei Li and Xu Zheng and Yuqian Fu and Danda Pani Paudel and Hong Liu and Ming-Hsuan Yang and Luc Van Gool and Nicu Sebe},
journal= {arXiv preprint arXiv:2505.18679},
year = {2026}
}
备注
Accepted by ICLR'2026, All-in-One Image Restoration, low-level vision, Transformer