要約
本稿では、画像復元における難しい課題、すなわち多様な未知の劣化種別および劣化レベルに対応できる「一体型」の復元手法を構築する方法について検討する。これに対応して、対照ベース劣化符号化器（Contrastive-Based Degraded Encoder, CBDE）と劣化誘導復元ネットワーク（Degradation-Guided Restoration Network, DGRN）の2つのニューラルモジュールから構成される、一体型画像復元ネットワーク（All-in-one Image Restoration Network, AirNet）を提案する。AirNetの主な利点は二つある。第一に、一つのネットワーク内でさまざまな劣化画像を復元できる一体型ソリューションである点である。第二に、劣化の種別や程度に関する事前知識を必要とせず、観測された劣化画像のみを入力として推論を行う点である。これらの二つの利点により、実世界の状況において劣化の事前知識が不明確であり、空間的・時間的に劣化が変化するような環境でも、高い柔軟性と経済性を発揮できる。広範な実験結果から、提案手法は4つの困難なデータセットにおいて、17の画像復元ベースラインを上回ることを示した。コードは以下のURLで公開されている：https://github.com/XLearning-SCU/2022-CVPR-AirNet。