DPC-Net：用于多合一图像恢复的双先验协作网络

一体式图像恢复（AiOIR）旨在在统一模型中处理各种退化。然而，现有方法在退化建模中经常忽视图像语义，并且在重建过程中缺乏底层视觉先验，导致结构扭曲和语义不一致。为了解决这些问题，我们提出了一种新颖的双先验协作网络（DPC-Net），它通过联合利用退化语义耦合先验和底层视觉先验来实现高质量的恢复。具体来说，退化图像被输入退化感知网络（DAN）以提取退化语义耦合特征。为此，视觉语言模型（VLM）通过约束 DAN 的特征分布来监督 DAN，将图像语义引入退化模式的编码中。降级语义调制模块（DSMM）进一步将此指导转化为降级语义耦合，并将耦合表示传播到解码器。在解码过程中，知识库提供底层视觉先验，双先验协同重建模块（DPCR）集成双先验信息指导降级去除，同时保留结构和语义，生成高保真恢复图像。对多个恢复基准的大量实验表明，DPC-Net 相对于最先进的 AiOIR 方法实现了卓越的性能。