通过内化思维链推理进行通用图像恢复

图像恢复旨在从退化的输入中恢复高质量图像，但在复杂的混合退化下变得非常不适定。虽然统一的一体化模型很常见，但它们的性能随着退化复杂性的增加而下降。最近的工作采用思想链（CoT）推理，使用专门的模块进行多轮恢复。然而，这种方法面临两个关键限制：（i）由于多步骤处理而增加了计算成本，以及（ii）逐步推理过程中退化之间相互作用的建模较弱。我们引入了 CoTIR，一种通用图像恢复框架，它将 CoT 推理内化到单个模型中。具体来说，我们将图像恢复视为图像编辑的专门子任务，这意味着大规模预训练的编辑模型提供了更有利的优化起点。在此基础上，我们对恢复模型进行了微调，并通过受拉格朗日优化启发的可微公式进一步将结构化 CoT 式推理编码到学习目标中，从而无需链接专门的恢复器即可实现整体恢复。为了便于训练和评估，我们进一步提出了 CoTIR-Bench，这是一个大规模基准，包含 520 万个样本，具有 CoT 式推理轨迹。在 CoTIR-Bench 和广泛的真实复合退化场景上进行的大量实验表明，CoTIR 比一体化模型和多轮恢复方法具有更强的感知质量和更具竞争力的保真度。源代码可在 https://github.com/gy65896/CoTIR 获取。