穿透 PRISM：科学图像的复合可控修复
计算机视觉与模式识别
2026-03-17 v1
摘要
科学与环境图像常因传感器与环境因素导致复杂噪声混合。现有修复方法通常逐一去除一种退化，引发级联性伪影、过度校正或有意义信号丢失。在科学应用中，修复必须能够同时处理复合退化，同时允许专家有选择性地去除特定失真而不删除重要特征。为此，我们提出了 PRISM（Precision Restoration with Interpretable Separation of Mixtures）。PRISM 是一个 prompted 条件扩散框架，结合对混合退化的 compound-aware 监督与加权对比性解缝目标，后者在潜在空间中对齐原始元素及其混合物。这种构成几何学使能够高保真地联合去除重叠失真，同时通过自然语言提示实现灵活、可针对性的修复。在显微镜、野生动物监测、遥感和城市气象数据集上，PRISM 在复杂复合退化（包括训练期未见的 zero-shot 混合退化）上超越最新基线。重要的是，我们展示选择性修复在多个领域显著提升下游科学准确性，优于标准“黑盒”修复。这些结果表明 PRISM 成为一个通用且可控的高保真修复框架，适用于科学实用性为首要目标的领域。
引用
@article{arxiv.2603.14151,
title = {Seeing Through the PRISM: Compound & Controllable Restoration of Scientific Images},
author = {Rupa Kurinchi-Vendhan and Pratyusha Sharma and Antonio Torralba and Sara Beery},
journal= {arXiv preprint arXiv:2603.14151},
year = {2026}
}