Exploiting Diffusion Prior for Task-driven Image Restoration
计算机视觉与模式识别
2025-09-03 v2
摘要
任务驱动图像修复（Task-driven Image Restoration, TDIR）近期兴起，用于解决因低质量（Low Quality, LQ）输入导致的高层次视觉任务性能下降问题。以往的TDIR方法在面对图像因多种复杂因素导致的退化、留下极少线索进行修复的实际场景时仍感困难。这促使我们利用扩散先验（diffusion prior）——一种最强大的自然图像先验。然而，尽管扩散先验可帮助生成视觉上合理的结果，但在恢复任务相关细节方面仍具有挑战，即使结合最新的TDIR方法也是如此。为此，我们提出EDTR（Exploiting Diffusion Prior for Task-driven Image Restoration），有效利用扩散先验恢复任务相关细节。具体而言，我们提出直接从LQ图像中利用像素误差基础的预恢复图像生成，其中添加轻微噪声。此外，我们采用少量去噪步骤，以防止生成冗余细节稀释关键任务信息。我们展示了该方法有效地利用扩散先验进行TDIR，显著提升了跨多种复杂退化任务的任务性能和视觉质量。
引用
@article{arxiv.2507.22459,
title = {Exploiting Diffusion Prior for Task-driven Image Restoration},
author = {Jaeha Kim and Junghun Oh and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2507.22459},
year = {2025}
}
备注
Accepted to ICCV 2025. Code is available at https://github.com/JaehaKim97/EDTR