摘要
本文研究了一项图像恢复领域的挑战性问题：如何构建一种“全合一”方法，以应对多种未知类型的退化及不同程度的图像损伤。为此，我们提出了一种全合一图像恢复网络（All-in-one Image Restoration Network, AirNet），该网络由两个神经模块组成，分别为基于对比学习的退化编码器（Contrastive-Based Degraded Encoder, CBDE）和退化引导的恢复网络（Degradation-Guided Restoration Network, DGRN）。AirNet具有两大核心优势：其一，它是一种统一的解决方案，能够在单一网络中实现对多种退化图像的恢复；其二，AirNet无需依赖退化类型与程度的先验知识，仅需利用观测到的退化图像即可完成推理。这两项优势使得AirNet在真实应用场景中展现出更强的灵活性与更高的经济性，尤其适用于退化特性难以预知、且随空间与时间动态变化的复杂环境。大量实验结果表明，所提方法在四个具有挑战性的数据集上均优于17种现有的图像恢复基准方法。代码已开源，地址为：https://github.com/XLearning-SCU/2022-CVPR-AirNet。