UniCoRN：基于潜在扩散的统一可控图像修复网络
计算机视觉与模式识别
2025-03-24 v2
摘要
图像修复是增强异构图像在计算机视觉任务中至关重要的技术。然而，现有大多数方法仅针对单一类型退化（如模糊、噪声或雾）进行处理，限制了其在实际场景中的应用，因为多种退化往往同时存在。本文提出了UniCoRN，一种能够同时处理多种退化类型的统一图像修复方法，基于多头扩散模型。具体而言，我们发现从图像中提取的低层视觉线索在引导可控扩散模型进行现实图像修复中具有潜在价值，并设计了通过混合专家策略实现可适配的多头控制网络。我们通过巧妙设计的课程学习方案，在无任何特定退化先验假设的情况下训练模型。此外，我们还引入了MetaRestore基准数据集，包含多种退化和伪影的图像。在包括本基准在内的多个具有挑战性的数据集上的广泛评估表明，我们的方法在性能上实现了显著提升，能够稳健地恢复严重退化的图像。项目页面：https://codejaeger.github.io/unicorn-gh
关键词
引用
@article{arxiv.2503.15868,
title = {UniCoRN: Latent Diffusion-based Unified Controllable Image Restoration Network across Multiple Degradations},
author = {Debabrata Mandal and Soumitri Chattopadhyay and Guansen Tong and Praneeth Chakravarthula},
journal= {arXiv preprint arXiv:2503.15868},
year = {2025}
}