IRPO：通过后训练GRPO提升图像修复
计算机视觉与模式识别
2026-05-28 v3
摘要
后训练在高层生成中发挥作用日益显著，但在低层视觉任务中仍鲜有探索。现有图像修复方法常依赖对真实图像的固定像素级拟合，易导致过平滑与泛化能力弱。我们提出IRPO—a基于GRPO的后训练框架，用于确定性修复模型。IRPO包含两个维度：数据表述与奖励建模。关于数据表述，我们从预训练阶段选取30%的表现不佳样本，可提升准确率与训练效率。关于奖励建模，我们融合保真度导向与质量感知反馈，包含三个组成部分：通用奖励用于结构保真度、专家奖励以视觉语言模型为粗糙视觉质量评判器，以及针对任务特定低层线索的修复奖励。六个领域内及五个跨域(OOD)基准实验表明，IRPO在领域内任务上较AdaIR基线提升0.93 dB，在OOD设置上提升3.43 dB。我们的代码已公开于https://github.com/HaoxuanXU1024/IRPO。
引用
@article{arxiv.2512.00814,
title = {IRPO: Boosting Image Restoration via Post-training GRPO},
author = {Haoxuan Xu and Yi Liu and Tianfu Li and Ruolin Shen and Boyuan Jiang and Jinlong Peng and Donghao Luo and Xiaobin Hu and Shuicheng Yan and Haoang Li},
journal= {arXiv preprint arXiv:2512.00814},
year = {2026}
}