OPERA：面向图像修复的端到端联合规划-执行优化代理
计算机视觉与模式识别
2026-05-22 v1
摘要
现实世界的图像修复面临复杂且相互作用的混合退化问题。最近的基于代理的方法通过组合多个特定任务的修复工具来解决此问题，但经验分析表明，其性能根本受限于隐式受限的规划空间以及独立预训练工具之间缺乏协调。为此，我们提出了 OPERA（Optimized Planning-Execution Restoration Agent），一个在端到端层面联合优化修复规划和工具执行的框架。在规划方面，OPERA 使用强化学习直接优化工具组合，以最终的修复质量作为奖励。在执行方面，OPERA 引入了代理引导的工具共训练，使其能够在顺序组合下学习合作行为。对多退化基准和真实数据集进行的广泛实验表明，OPERA 在多样化且复杂的退化场景下， consistently 优于所有单一修复模型和现有基于代理的方法。
引用
@article{arxiv.2605.22104,
title = {OPERA: An Agent for Image Restoration with End-to-End Joint Planning-Execution Optimization},
author = {Feng Zhu and Shuyang Xie and Yihan Zeng and Ming Liu and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2605.22104},
year = {2026}
}