RIRF：推理图像恢复框架

通用图像恢复（UIR）旨在使用统一的模型从各种未知的退化中恢复干净的图像。现有的 UIR 方法主要关注像素重建，并且在恢复之前通常缺乏对退化成分、严重性和场景语义的明确诊断推理。我们提出了 Reason and Restore (R\&R)，这是一种将结构化思想链 (CoT) 推理集成到图像恢复流程中的新颖框架。 R\&R 引入了由 微调 Qwen3-VL 实现的显式推理器，用于诊断退化类型、量化退化严重程度、推断与退化相关的关键因素以及描述相关场景和对象语义。由此产生的结构化推理为恢复者提供了可解释且细粒度的诊断先验。为了进一步提高恢复质量，推理器产生的量化退化严重程度被用作强化学习（RL）信号来指导和加强恢复器。与现有的基于 LLM 的多模态代理系统将推理与底层视觉任务解耦不同，R\&R 将语义诊断推理与统一框架中的像素级恢复紧密耦合。跨不同 UIR 基准的大量实验表明，R\&R 实现了最先进的性能，同时为恢复过程提供了独特的可解释性。