面向真实图像恢复的失真与一致性代理措施及其应用

真实图像恢复旨在恢复因未知退化导致的图像。该任务通常仅给定退化图像且缺乏对应的ground-truth版本，使得设计和评估恢复算法变得极具挑战性。本文提供了一套工具，既可用于真实图像恢复算法的设计，也可用于其评估。我们首先提出一种训练模型，用于预测给定真实测量输入经历的一系列退化过程。我们展示了如何利用该估计器来近似衡量——即测量值与任何提议恢复图像之间的匹配程度。我们还将该估计器作为引导机制，用于设计一种简单且高度有效的真实图像恢复算法，利用预训练的扩散模型图像先验。此外，本工作提出了无参考的MSE和LPIPS代理措施，这些措施在没有ground-truth图像的情况下，允许根据恢复算法的近似MSE和LPIPS对其进行排序。该提议的套件为在真实场景中对盲图像恢复算法的评估和比较提供了一种多功能、首次提出的框架。