高效的考虑退化的任意图像恢复

从低质量输入中重建缺失细节是一项重大挑战。近期在图像恢复领域的进展已经证明了学习大型模型的有效性，这些模型能够同时解决多种退化问题。然而，这些方法引入了相当大的计算开销和复杂的训练范式，限制了它们的实际应用。为此，我们提出了一种高效的“全合一”图像恢复器——\textit{DaAIR}（Degradation-aware All-In-One Restorer），该恢复器在低秩区域采用退化感知学习器（DaLe）协同挖掘不同退化之间的共享特征和细微差异，生成退化感知嵌入。通过动态分配模型容量以应对输入退化，我们实现了一个高效恢复器，在统一模型中集成了整体学习和特定学习。此外，DaAIR 引入了一种成本效益高的参数更新机制，增强了退化感知能力，同时保持了计算效率。广泛的对比实验表明，在五种图像退化情况下，我们的 DaAIR 优于现有的最先进的“全合一”模型和针对特定退化的模型，证实了其有效性和实用性。源代码将在 https://eduardzamfir.github.io/daair/ 公开发布。