HybridAgent 的重点不是提出一个新的 Diffusion 修复器,而是把用户意图解析、退化识别、工具调用和结果反馈组织成一条自动化流水线。
PromptIR 的核心是让网络从输入图像中生成动态退化提示,再引导 Restormer 完成盲图像修复。今天看来方法已经比较基础,但在 2023 年具有清晰的范式意义。
AnyIR 的重点不是生成式扩散,而是用一次前向推理完成多退化恢复。它的创新更偏向轻量化结构组合,而不是新的理论体系。
这篇工作的重点不是再设计一个更大的恢复模型,而是把数据问题提到前面:退化类型由文本控制,强度和空间分布由统计量控制,再把合成数据真正用到多个恢复网络上。
DAFF 负责在扩散轨迹中对齐 LQ 条件,DAEM 负责在 VAE 解码阶段补偿细节。相比 FoundIR-v2,UniLDiff 的研究问题更具体,也更偏网络结构工程。
FoundIR-v2 的两个核心创新并不复杂:在输入端动态调整各任务的数据比例,在模型端利用 MoE 分配任务自适应扩散先验。真正值得关注的是,它把统一图像恢复重新理解成了一个资源调度问题。