论文页面 - ImIR：面向一体化图像修复的图像-指令调优

来源：https://huggingface.co/papers/2609.25267 ImIR：面向一体化图像修复的图像-指令调优 — ACCV 2026

ImIR 将一个预训练的图像编辑模型适配到六种修复任务中：低光增强、去雨、去雾、去模糊、去噪和 JPEG 伪影去除。其任务无关变体仅使用输入图像进行图像修复，无需文本提示、参考图像或降质标签。

主要亮点如下：

• 图像衍生指令。 一个轻量级的标记映射器从降质图像的视觉-语言嵌入中预测出干净图像指令，替代了手动编写的修复提示。
• 一个适配器跨越六项任务。 在匹配的对比中，图像条件优于文本条件，并支持任务无关修复——在这一场景下，中性文本和VLM生成的文本提示效果均不佳。
• 连续控制。 对于具有非唯一目标的任务（例如低光增强中的曝光），缩放指令可产生不同的合理修复结果。
• 高效适配。 实验设置使用了688对图像，在一块NVIDIA H100上大约耗时三小时。

推理代码和任务无关的模型权重已公开提供。项目页面包含交互式修复对比和指令尺度示例。

论文 (https://arxiv.org/abs/2609.25267) · 项目页面 (https://suleymanaslan.github.io/imir/) · 代码 (https://github.com/suleymanaslan/imir) · 权重 (https://huggingface.co/suleymanaslan/imir)

@article{aslan2026imirimageinstructiontuningallinone,
  title={{ImIR}: Image-Instruction Tuning for All-in-One Image Restoration},
  author={Süleyman Aslan and Görkay Aydemir and Mısra Yavuz
          and Yunus Bilge Kurt and Nasrin Rahimi and Ahmet Rasim Emirdağı
          and Burak Can Biner and M. Akın Yılmaz},
  journal={arXiv preprint arXiv:2609.25267},
  year={2026},
  url={https://arxiv.org/abs/2609.25267}
}