基于局部动态优化与条件嵌入的混合退化图像修复

多任务图像修复已取得显著进展，旨在处理所有类型单一退化图像的修复任务。然而，在现实场景中，图像常常受到多种退化因素的组合影响。现有的多任务图像修复模型在应对此问题时面临退化多样性和提示单一性的挑战。本文提出了一种新型的多任务图像修复模型，可有效恢复单一和混合退化的图像。为解决退化多样性问题，我们设计了局部动态优化（LDO）模块，用于动态处理不同类型和粒度的退化区域。为解决提示单一性问题，我们开发了高效的条件特征嵌入（CFE）模块，指导解码器利用与退化类型相关的特征，显著提高模型在混合退化恢复场景中的性能。为验证模型有效性，我们引入了一个包含单一和混合退化元素的新数据集。实验结果表明，我们提出的模型不仅在混合退化任务上实现了最先进（SOTA）性能，而且在经典单一任务修复基准上也表现优异。