基于噪声感知路由扩散的内镜图像去降配全能方案 EndoIR
图像与视频处理
2025-11-12 v2 人工智能
计算机视觉与模式识别
机器人学
摘要
内镜图像常常受到多样且交叉发生的降质因素制约，如低光照、烟雾和出血，遮蔽关键临床细节。现有方法通常针对特定任务，且常需要事先了解降质类型，限制了其在实际临床中的鲁棒性。我们提出 EndoIR，一个单模型恢复多种降质类型的全能、降质无关扩散框架。EndoIR 引入双域提示器，以提取联合空间-频率特征，配合自适应嵌入编码共享特征和任务特定线索作为去噪条件。为缓解常规拼接式条件导致的特征混淆，我们设计双流扩散架构分别处理干净和受损输入，并通过整合化的、降质感知的 Rectified Fusion Block 进行融合。此外，噪声感知路由模块通过动态选择仅选择与噪声相关的特征来提高效率。实验在 SegSTRONG-C 和 CEC 数据集上表明，EndoIR 在多种降质情景下实现业界领先的性能，参数更少于强基准，并通过下游分割实验确认其临床实用性。
引用
@article{arxiv.2511.05873,
title = {EndoIR: Degradation-Agnostic All-in-One Endoscopic Image Restoration via Noise-Aware Routing Diffusion},
author = {Tong Chen and Xinyu Ma and Long Bai and Wenyang Wang and Yue Sun and Luping Zhou},
journal= {arXiv preprint arXiv:2511.05873},
year = {2025}
}