Tag · 3 篇
一体化图像复原
01 02 03
UniLDiff：释放扩散先验在一体化图像复原中的潜力
UniLDiff: Unlocking the Power of Diffusion Priors for All-in-One Image Restoration
把预训练扩散模型的先验直接搬进一体化图像复原：DAFF 在每个去噪步用解耦融合+自适应调制注入低质特征，DAEM 用专家路由在解码器端补纹理，这套「退化条件注入去噪链」的做法可迁移到其他条件生成式复原任务。
检索即复原：基于检索式退化库的高效一体化图像复原
Retrieve-to-Restore: Efficient All-in-One Image Restoration with a Retrieval-Based Degradation Bank
把退化知识外置成一个可检索的先验库，用退化匹配在推理时调制骨干网络特征，为多退化统一复原提供了一条解耦「退化适应」与「重建能力」的轻量思路，可直接迁移到去噪、去雨、去雾等多任务联合训练场景。
FoundIR-v2：为图像复原基础模型优化预训练数据配比
FoundIR-v2: Optimizing Pre-Training Data Mixtures for Image Restoration Foundation Model
把「不同复原任务的数据配比」当作可优化的变量，用数据混合律做动态调度，并用 MoE 调度器为每个任务分配任务自适应的扩散先验；做 all-in-one 复原或多任务联合训练时，可直接借鉴这套数据均衡调度与专家路由思路。