Review Learning：促进全能超高清图像修复训练方法的研究
计算机视觉与模式识别
2024-08-14 v1
摘要
全能图像修复任务正变得越来越重要，尤其是针对超高清(UHD)图像。现有的全能UHD图像修复方法通常通过引入针对不同退化类型的提示或自定义动态网络来提升模型性能。对于推理阶段，这种方法比较友好，但在训练阶段由于模型在单个纪元中遇到质量不同的多个退化图像，这些杂乱的学习目标可能对模型造成信息污染。为此，我们提出一种新的通用图像修复模型训练范式，称为Review Learning，使模型能够在无需先验知识和提示的情况下处理多种退化类型。该方法以在几个退化数据集上顺序训练图像修复模型为基础，结合增强模型记忆中几个先前退化数据集类的回顾机制。此外，我们设计了一个轻量级全能图像修复网络，能够在单个消费级GPU上高效推理分辨率为4K()的退化图像。
引用
@article{arxiv.2408.06709,
title = {Review Learning: Advancing All-in-One Ultra-High-Definition Image Restoration Training Method},
author = {Xin Su and Zhuoran Zheng and Chen Wu},
journal= {arXiv preprint arXiv:2408.06709},
year = {2024}
}