IRBridge：利用预训练生成扩散模型解决图像修复桥
计算机视觉与模式识别
2025-06-02 v1
摘要
图像修复中的桥模型构建了从退化图像到清晰图像的扩散过程。然而，现有方法通常需要针对每种特定退化类型从头训练桥模型，导致计算成本高昂且性能受限。本工作旨在高效利用现有图像修复桥中的预训练生成先验，以消除这一需求。主要挑战在于标准生成模型通常为从纯噪声开始的扩散过程而设计，而修复任务从低质量图像开始，导致两个过程的状态分布不匹配。为应对这一挑战，我们提出一个连接两个具有相同终点分布的扩散过程的转移方程。基于此，我们引入了 IRBridge 框架，该框架能够在图像修复桥中直接利用生成模型，为图像修复提供了一种更灵活、适应性更强的方法。在六项图像修复任务上的大量实验表明，IRBridge 高效整合了生成先验，从而提升了鲁棒性和泛化性能。代码将在 GitHub 上提供。
引用
@article{arxiv.2505.24406,
title = {IRBridge: Solving Image Restoration Bridge with Pre-trained Generative Diffusion Models},
author = {Hanting Wang and Tao Jin and Wang Lin and Shulei Wang and Hai Huang and Shengpeng Ji and Zhou Zhao},
journal= {arXiv preprint arXiv:2505.24406},
year = {2025}
}