تهدف نماذج استعادة الصور الشاملة غير الموجهة إلى استرداد صورة ذات جودة عالية من صورة مدخل تم تشويهها بتشوهات غير معروفة. ومع ذلك، تتطلب هذه النماذج تعريف جميع أنواع التشوهات المحتملة خلال مرحلة التدريب، بينما تظهر قدرة تعميم محدودة للتشوهات غير المعروفة، مما يحد من تطبيقاتها العملية في الحالات المعقدة. في هذا البحث، نقترح نموذجًا بسيطًا ولكن فعالًا للاستعادة الشاملة غير الموجهة والقابلة للتكييف (ABAIR)، يمكنه التعامل مع العديد من التشوهات، ويتميز بتعميم جيد للتشوهات غير المعروضة عليه سابقًا، ويدمج بكفاءة تشوهات جديدة عن طريق تدريب جزء صغير فقط من المعلمات.أولاً، نقوم بتدريب النموذج الأساسي على مجموعة كبيرة من الصور الطبيعية التي تحتوي على تشوهات اصطناعية متعددة، مع إضافة رأس تقسيم (segmentation head) لتقدير أنواع التشوه لكل بكسل، مما يؤدي إلى ظهور هيكل أساسي قوي قادر على التعميم لمجموعة واسعة من التشوهات. ثانياً، نتكيف النموذج الأساسي مع مهام الاستعادة المختلفة باستخدام متكيفات مستقلة ذات رتبة منخفضة (low-rank adapters). ثالثاً، نتعلم كيفية دمج المتكيفات بشكل تكيفي لصور متعددة ومتنوعة عبر تقدير تشوه خفيف ومرن.نموذجنا قوي في التعامل مع التشوهات الخاصة ومرن في التكيف مع المهام المعقدة؛ فهو ليس فقط يتفوق بشكل كبير على أفضل ما هو موجود حالياً في الإعدادات الخمسية والثلاثية لمهام الاستعادة (IR setups)، بل يظهر أيضًا تحسينًا في القدرة على التعميم للتشوهات غير المعروضة عليه سابقًا وكذلك التشوهات المركبة.