通用图像恢复：克服特定退化类型的挑战

单图像恢复旨在从给定的退化对应关系中生成一个视觉上愉悦的高质量图像，例如带有噪声、雨水或雾霾的图像。在过去的几年中，图像恢复已广泛应用于许多实际应用领域，从自动驾驶到医学成像和监控等。

尽管在特定领域取得了令人满意的结果，如去噪[5, 27, 40, 53-55]、去模糊[12, 32-34]、去雨[10, 11, 17, 46, 50, 52]和去雾[1, 7, 9, 15, 19, 35, 37, 38]，但图像恢复在实践中遇到了以下障碍。一方面，为了选择一个有竞争力的模型，需要知道正确的损坏（即退化），因为几乎所有现有的方法都只能处理特定的退化类型。一旦退化类型甚至损坏比例发生变化，由于实际情况与用于模型构建或训练的先验之间的不一致性，模型的性能将变得不理想。另一方面，退化通常在复杂环境中发生变化，例如自动驾驶汽车可能连续甚至同时遭遇雨天和雾霾天气。总之，我们非常期望能够开发一种全能的方法，能够从各种未知的退化类型和程度中恢复图像，如图1所示。据我们所知，迄今为止，几乎没有人触及过这样一个不具体的图像恢复问题。