RESEARCH TOPIC
All-in-One Restoration
面向多种未知或混合退化的统一图像复原方法。
这里将整理 All-in-One Image Restoration 方向的论文，包括退化表征、任务提示、混合专家、统一预训练和未知退化泛化等主题。
这里收录相关的论文阅读笔记。
All-in-One Restoration
HybridAgent：图像修复里的智能体，究竟改变了什么
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。All-in-One Restoration
PromptIR：把提示学习引入一体化图像修复
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。All-in-One Restoration
AnyIR：不靠 Diffusion 的轻量级 All-in-One 图像恢复
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。All-in-One Restoration
GenDeg：先把退化数据造对，再谈统一图像恢复
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。All-in-One Restoration
UniLDiff：把已有模块放到正确的位置
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。All-in-One Restoration