从物理退化模型到任务感知的全能图像恢复
计算机视觉与模式识别
2026-01-16 v1
摘要
全能图像恢复旨在通过单个训练好的模型自适应地处理多个恢复任务。尽管现有方法通过引入提示信息或利用大模型取得了有希望的结果,但新增的学习模块增加了系统复杂性并阻碍了实时应用。在本文中,我们采用物理退化建模的视角,预测一个任务感知的逆退化算子,以实现高效的全能图像恢复。该框架包含两个阶段。在第一阶段,预测的逆算子生成初始恢复图像以及一个不确定性感知图,该图突出显示难以重建的区域,确保恢复的可靠性。在第二阶段,在该不确定性图的引导下进一步细化恢复结果。两个阶段使用相同的逆算子预测网络,在算子预测后引入任务感知参数以适应不同的退化任务。此外,通过加速逆算子的卷积,所提方法实现了高效的全能图像恢复。由此产生的紧密集成架构,称为OPIR,通过实验得到了广泛验证,展示了卓越的全能恢复性能,同时在任务对齐恢复方面保持高度竞争力。
引用
@article{arxiv.2601.10192,
title = {From Physical Degradation Models to Task-Aware All-in-One Image Restoration},
author = {Hu Gao and Xiaoning Lei and Xichen Xu and Xingjian Wang and Lizhuang Ma},
journal= {arXiv preprint arXiv:2601.10192},
year = {2026}
}