M2IR：基于 Mamba 风格调制和混合专家的主动式全方位图像修复
计算机视觉与模式识别
2026-03-17 v1
摘要
虽然 Transformer 架构主导了近期全方位图像修复领域的进展，但它们本质上是被动的：在传递退化信息方面，而非主动抑制。缺乏显式抑制机制时，退化信号干扰特征学习，迫使解码器在去除伪影与保持细节之间进行权衡，从而增加模型复杂度并限制其适应性。为此，我们提出了 M2IR—a 新型修复框架，通过编码阶段主动调节退化传播，在解码阶段高效消除残余退化。具体而言，Mamba 风格 Transformer (MST) 模块执行像素级选择性状态调制，以减轻退化同时保持结构完整性。并行地，适应性退化专家协作 (ADEC) 模块利用由 DA-CLIP 驱动的路由器引导的退化特定专家，辅以共享专家，通过针对性和协作的修复消除残余退化。通过集成 MST 模块和 ADEC 模块，M2IR 实现从被动反应到主动退化控制，有效利用学习到的表征，在多样化的全方位图像修复基准测试中实现卓越的泛化性、增强的适应性以及精细细节的恢复。我们的源代码已公开于 https://github.com/Im34v/M2IR。
引用
@article{arxiv.2603.14816,
title = {M2IR: Proactive All-in-One Image Restoration via Mamba-style Modulation and Mixture-of-Experts},
author = {Shiwei Wang and Yongzhen Wang and Bingwen Hu and Liyan Zhang and Xiao-Ping Zhang and Mingqiang Wei},
journal= {arXiv preprint arXiv:2603.14816},
year = {2026}
}