MDTD-ArtIR：纹理覆盖退化下艺术图像恢复的图像编辑和恢复模型基准测试

恢复严重退化的视觉媒体仍然是一个艰巨的挑战，因为现有的方法经常会产生不自然的纹理和内容的幻觉，难以保留颜色和纹理，或者无法利用部分保留的图像信息。现有的修复基准假设已知的退化算子，无法捕捉艺术损坏的复杂特征，例如裂缝、污渍和颜色/纹理偏差。我们引入了一个用于语义、半透明图像媒体退化的盲恢复的受控基准，并伴随着一个新的、公开开放的退化 alpha 纹理掩模数据集 MDTD-Art。我们提出了一个新的数据集和基准测试，针对不同蒙版不透明度级别的图像编辑和视觉语言模型来评估最先进的通用恢复模型。我们的实验表明，图像编辑模型在任意退化方面始终优于专门的恢复架构，通过强调细节保留和结构一致性的结构化提示工程放大了性能增益。这些发现将可恢复的语义信息和提示可控性视为艺术图像修复的关键因素。