高加索AV无码,99尹人网毛,韩日337p99,一级a片久久无,97色区综合,激情日韩在线一二三,日韩精品久久精品草比,婷婷久久91,亚洲天堂艹比

作者：Yufeng Yang, Xianfang Zeng, Zhangqi Jiang等

解讀：AI生成未來

該工作由南方科技大學、階躍星辰和中科院深圳先進院等機構(gòu)聯(lián)合完成，并已同步發(fā)布論文、項目頁、模型和基準測試。

亮點直擊

真實世界圖像修復(fù)，不再只停留在“合成退化”，而是做一個更通用、更能落地的真實世界圖像修復(fù)模型。

基于大規(guī)模圖像編輯模型改造，兼顧“修得干凈”和“內(nèi)容不跑偏”，重點保留原圖的場景結(jié)構(gòu)、語義內(nèi)容和細粒度細節(jié)，避免“修復(fù)過頭”“內(nèi)容變形”“語義漂移”等常見問題。

數(shù)據(jù)、模型、評測三位一體。論文不僅提出了模型本身，還構(gòu)建了更貼近真實分布的數(shù)據(jù)生成流程，并推出了新的真實世界評測基準 RealIR-Bench，模型在開源方法中登頂。

總結(jié)速覽

解決的問題

真實退化泛化差：傳統(tǒng)圖像修復(fù)方法往往在合成退化數(shù)據(jù)上訓練和評估，一旦遇到真實拍攝中的復(fù)雜退化，泛化能力就會明顯下降。

評測方式不夠“真實”：很多修復(fù)任務(wù)依賴成對干凈圖像來算 PSNR、SSIM，但真實世界場景往往拿不到嚴格對齊的“真值圖”，導(dǎo)致傳統(tǒng)參考式指標并不能準確反映實際修復(fù)效果。

開源與閉源之間仍有明顯差距：閉源圖像編輯系統(tǒng)已經(jīng)展現(xiàn)出較強的真實修復(fù)能力，但開源側(cè)長期缺少一套可以媲美的方案。

提出的方案

核心框架：RealRestorer以開源圖像編輯模型 Step1X-Edit 為基礎(chǔ)，沿用其大規(guī)模 DiT 架構(gòu)、QwenVL 文本編碼器和 Flux-VAE 表征能力，只微調(diào)其中的 DiT 主干，將原本偏高層編輯的能力遷移到低層真實修復(fù)任務(wù)上。

核心思路：通過大規(guī)模的編輯模型的強大先驗，配合合成退化數(shù)據(jù)和真實退化數(shù)據(jù)流水線，去訓練一個強大的可以在真實世界場景泛化的圖像修復(fù)模型。

關(guān)鍵技術(shù)點：

構(gòu)建覆蓋9類真實退化的大規(guī)模退化合成管線，引入更細粒度的噪聲建模、分區(qū)域擾動和 web 風格退化過程，縮小合成分布與真實分布之間的差距。

額外采集真實退化圖像，并借助高性能模型生成對應(yīng)配對高質(zhì)量無退化數(shù)據(jù)，以進一步貼近真實世界分布。

采用兩階段訓練：第一階段用約 100 萬組合成退化數(shù)據(jù)做遷移訓練，第二階段再引入約 10 萬組真實退化數(shù)據(jù)進行監(jiān)督微調(diào)。并在第二階段中使用 Progressively-Mixed 訓練策略，保留少量合成數(shù)據(jù)，避免模型過擬合真實樣本分布、損失跨任務(wù)泛化能力。

應(yīng)用的技術(shù)

大規(guī)模圖像編輯模型遷移。大規(guī)模圖像編輯模型擁有更強的語義先驗和內(nèi)容建模能力，因此更有潛力應(yīng)對復(fù)雜真實退化。

合成+真實混合數(shù)據(jù)構(gòu)建。作者不是簡單堆數(shù)據(jù)，而是同時使用合成退化對和真實退化對，以此兼顧可擴展性與真實性。

非參考評測基準。RealIR-Bench 不依賴配對真值圖，而是引入 VLM 來評估 Restoration Score（RS），并結(jié)合 LPIPS 衡量內(nèi)容一致性，最終得到綜合的 Final Score（FS）。

達到的效果

開源SOTA：RealRestorer在 RealIR-Bench 上位居開源方法第一，并在總體排名中位列第三，并且非常接近頂級閉源模型。

多任務(wù)表現(xiàn)均衡：論文顯示，RealRestorer在9類任務(wù)上都有較強表現(xiàn)，其中在去模糊和弱光增強上拿到最佳結(jié)果，在去摩爾紋上位列第二。整體上，它在開源模型中 5 項第一、2 項第二。

內(nèi)容一致性更強：相比一些“修得很猛但內(nèi)容跑偏”的生編輯模型方法，RealRestorer更加注重結(jié)構(gòu)、語義和細節(jié)的保存，提升了真實應(yīng)用中的可用性。

具備零樣本泛化能力：除了論文重點覆蓋的9類退化，作者還報告了對未見任務(wù)的 zero-shot 泛化能力，例如雪天去退化、老照片修復(fù)等場景。

方法

模型設(shè)計

RealRestorer基于 Step1X-Edit 進行微調(diào)，核心骨干為大規(guī)模 DiT，文本側(cè)使用 QwenVL 編碼器，圖像則通過 Flux-VAE 映射到潛空間。訓練時凍結(jié) VAE 與文本編碼器，僅微調(diào) DiT 主體，把原本偏“生成/編輯”的能力，逐步遷移到“真實修復(fù)”任務(wù)上。

數(shù)據(jù)集構(gòu)建

論文將訓練數(shù)據(jù)分為兩部分：

1. 合成退化數(shù)據(jù)（Synthetic Degradation Data）

從互聯(lián)網(wǎng)收集干凈圖像，再對其進行高質(zhì)量退化模擬。和傳統(tǒng)簡單退化不同，這套流程更加貼近真實拍攝中的復(fù)雜退化模式，并借助 SAM-2、MiDaS、VLM 和質(zhì)量評估模型進行篩選與校驗。 

2. 真實退化數(shù)據(jù)（Real-World Degradation Data）

直接從網(wǎng)絡(luò)采集真實退化圖像，再生成對應(yīng)的高質(zhì)量參考圖像，并通過 CLIP、水印檢測、Qwen3-VL 以及低層指標做過濾和一致性檢查，最后配合人工復(fù)核保證質(zhì)量。

訓練方案

RealRestorer采用兩階段訓練：

第一階段：遷移訓練（Transfer Training） 用大規(guī)模合成退化對，把圖像編輯模型的高層先驗遷移到圖像修復(fù)任務(wù)中，建立基礎(chǔ)修復(fù)能力。

第二階段：監(jiān)督微調(diào)（Supervised Fine-tuning） 進一步引入真實退化數(shù)據(jù)，加強模型對真實復(fù)雜場景的適應(yīng)能力。作者特別采用了漸進式混合訓練，在二階段訓練的過程中加入部分合成退化數(shù)據(jù)對，讓模型在靠近真實分布的同時，不丟掉合成數(shù)據(jù)帶來的廣泛泛化能力。

二階段訓練全程使用 1024×1024 高分辨率設(shè)置。

實驗

RealIR-Bench 是完全由互聯(lián)網(wǎng)采集的真實退化圖像組成，共 464 張，覆蓋9類退化，并通過人工過濾保證場景多樣性、退化強度和圖像質(zhì)量。與傳統(tǒng)“有真值”的合成測試集不同，它更強調(diào)真實環(huán)境下的修復(fù)能力。

評測方式：既看“修沒修好”，也看“內(nèi)容變沒變”

 論文沒有只看 PSNR/SSIM，而是設(shè)計了兩類互補指標： 

R S（Restoration Score）：衡量退化去除效果；

 LPIPS/LPS：衡量修復(fù)前后內(nèi)容一致性；

 FS（Final Score）：綜合兩者后的最終分數(shù)。 

結(jié)果表現(xiàn)

實驗表明，RealRestorer在 RealIR-Bench 上持續(xù)優(yōu)于現(xiàn)有開源圖像編輯模型，并取得與頭部閉源系統(tǒng)接近的效果。

消融實驗：兩階段訓練不是“可選項”，而是性能關(guān)鍵

為了驗證方案設(shè)計是否真的有效，作者對訓練數(shù)據(jù)和訓練階段做了系統(tǒng)消融。結(jié)果顯示，僅使用約 100 萬組合成退化數(shù)據(jù)進行第一階段訓練時，模型雖然能夠逐步學到基礎(chǔ)修復(fù)能力，并在這一階段達到 0.122 的 FS 峰值，但對復(fù)雜真實退化的泛化仍然不足，而且隨著訓練繼續(xù)推進，還會因為合成數(shù)據(jù)分布有限而出現(xiàn)性能回落。

進一步引入約 10 萬組真實退化數(shù)據(jù)后，模型在第二階段能夠快速超過第一階段的最佳分數(shù)，并顯著提升真實場景下的泛化能力。但如果繼續(xù)在真實數(shù)據(jù)上訓練過久，模型又會開始出現(xiàn)過擬合，因此作者采用了 early stopping 來控制最終 checkpoint。

作者還進一步比較了不同訓練策略的差異。只用合成退化數(shù)據(jù)訓練的模型，對復(fù)雜真實退化仍顯得“修不干凈”；只用真實退化數(shù)據(jù)訓練的模型，則容易過擬合退化模式，出現(xiàn)物體形變、人物位置漂移、自然光源被誤刪、過度增強等問題。相比之下，RealRestorer 采用的兩階段方案在“退化去除能力”和“內(nèi)容結(jié)構(gòu)穩(wěn)定性”之間取得了更好的平衡。

Progressively-Mixed 策略：防過擬合的關(guān)鍵一招

除了兩階段訓練本身，論文還單獨分析了 Progressively-Mixed 策略的作用。作者在第二階段中保留少量合成退化數(shù)據(jù)，與真實退化數(shù)據(jù)混合訓練，以避免模型過度貼合有限的真實樣本分布。從可視化結(jié)果看，模型在結(jié)構(gòu)一致性和內(nèi)容保真方面也會更不穩(wěn)定。換句話說，這個混合策略雖然簡單，但對最終性能和觀感都是真實有效的增益。

User Study：自動化指標和人眼判斷基本一致

為了驗證 RealIR-Bench 這套評測指標是否真的“符合人類直覺”，作者還做了用戶研究。論文共招募 32 名參與者，對 5 個高表現(xiàn)模型生成的 3200 組結(jié)果進行排序評價，評價標準包括兩項：一是修復(fù)質(zhì)量，二是內(nèi)容一致性。結(jié)果顯示，從人工主觀偏好來看，Nano Banana Pro 的第一名占比最高，為 32.02%；GPT-Image-1.5 排第二，為 23.83%；RealRestorer 以 21.54% 位列其后。這個排序趨勢與論文中自動評測得到的總體結(jié)果基本一致，說明該 benchmark 和指標體系具備較好的可信度。

更進一步，作者還計算了自動指標與人工判斷之間的相關(guān)性，包括 Kendall’s τ、Spearman 相關(guān)系數(shù)（SRCC）和 Pearson 相關(guān)系數(shù)（PLCC）。結(jié)果表明評價指標與人類感知之間達到了中等程度的一致性。對真實世界圖像修復(fù)這類缺乏嚴格真值圖的任務(wù)來說，這一點非常重要，因為它意味著 RealIR-Bench 不只是“能算分”，而是一定程度上能夠反映真實用戶的主觀觀感。

結(jié)論

RealRestorer的意義，不只是“又一個圖像修復(fù)模型”，而是給開源社區(qū)補上了一塊長期缺失的拼圖： 一個面向真實世界、多退化統(tǒng)一、兼顧修復(fù)質(zhì)量與內(nèi)容一致性，并且配套完整 benchmark 的開源修復(fù)方案。 當然，RealRestorer也存在一些局限：由于基礎(chǔ)模型本身需要 28 步去噪推理，計算成本仍然較高；面對鏡子自拍、極端強退化、復(fù)雜物理一致性場景時，模型仍可能失效。

參考文獻

[1] RealRestorer: Towards Generalizable Real-World Image Restoration with Large-Scale Image Editing Models

       原文標題 : 媲美Nano Banana Pro！南科大&階躍星辰等開源真實世界圖像恢復(fù)之王RealRestorer