基于域感知任务提示表示学习的多域统一图像修复
计算机视觉与模式识别
2026-03-03 v1
摘要
最近，在统一图像修复（AiOIR）方面取得了显著的突破，这类方法能够用单个模型处理多种修复任务。然而，现有方法通常只关注特定图像域，如自然场景、医学成像或遥感图像。本文旨在将AiOIR扩展至多个图像域，提出首个基于域感知任务提示表示学习的多域统一图像修复方法——DATPRL-IR。具体而言，我们首先构建包含多个任务提示的提示池，其中隐式编码了与任务相关的知识。对于每张输入图像，模型通过提示组合机制（PCM）自适应选择最相关的任务提示，并将其组合成实例级任务表示。此外，为赋予模型域感知能力，我们引入另一个域提示池，从多模态大语言模型中蒸馏域先验知识到域提示中。PCM被用于将自适应选取的域提示组合成每个输入图像的域表示。最终，两种表示被融合，形成能够充分利用跨任务和跨域的特定知识与共享知识来指导后续修复过程的域感知任务提示表示。大量实验表明，我们的DATPRL-IR显著优于现有SOTA图像修复方法，且具有强大的泛化能力。代码已公开于 https://github.com/GuangluDong0728/DATPRL-IR。
引用
@article{arxiv.2603.01725,
title = {Learning Domain-Aware Task Prompt Representations for Multi-Domain All-in-One Image Restoration},
author = {Guanglu Dong and Chunlei Li and Chao Ren and Jingliang Hu and Yilei Shi and Xiao Xiang Zhu and Lichao Mou},
journal= {arXiv preprint arXiv:2603.01725},
year = {2026}
}
备注
ICLR 2026