# 圖像恢復

InstantIR是一種基於擴散模型的盲圖像恢復方法，能夠在測試時處理未知退化問題，提高模型的泛化能力。該技術通過動態調整生成條件，在推理過程中生成參考圖像，從而提供穩健的生成條件。InstantIR的主要優點包括：能夠恢復極端退化的圖像細節，提供逼真的紋理，並且通過文本描述調節生成參考，實現創造性的圖像恢復。該技術由北京大學、InstantX團隊和香港中文大學的研究人員共同開發，得到了HuggingFace和fal.ai的贊助支持。

PMRF（Posterior-Mean Rectified Flow，後驗均值修正流）是一種新提出的圖像恢復算法，旨在解決圖像恢復任務中的失真-感知質量權衡問題。它通過結合後驗均值和修正流的方式，提出了一種新穎的圖像恢復框架，能夠在降低圖像失真同時保證圖像的感知質量。

Posterior-Mean Rectified Flow（PMRF）是一種新穎的圖像恢復算法，它通過優化後驗均值和矯正流模型來最小化均方誤差（MSE），同時保證圖像的逼真度。PMRF算法簡單而高效，其理論基礎是將後驗均值預測（最小均方誤差估計）優化到與真實圖像分佈相匹配。該算法在圖像恢復任務中表現出色，能夠處理噪聲、模糊等多種退化問題，並且具有較好的感知質量。

AI Image Extender 是一款利用人工智能技術擴展圖像邊界的工具，通過生成新內容與現有圖像無縫融合，增強圖像的視覺延展性。該產品通過先進的AI算法，能夠智能識別圖像內容並生成自然過渡的擴展區域，適用於需要圖像擴展或背景生成的各種場景。

SwinIR 是一款基於 Swin Transformer 進行圖像恢復的官方 PyTorch 實現，在經典、輕量級和真實世界圖像超分辨率、灰度 / 彩色圖像去噪以及 JPEG 壓縮偽影去除等任務中取得了最先進的性能。它由淺層特徵提取、深層特徵提取和高質量圖像重建組成，具有卓越的性能和參數優化。

DA-CLIP是一種降級感知的視覺語言模型，可用作圖像恢復的通用框架。它通過訓練一個額外的控制器，使固定的CLIP圖像編碼器能夠預測高質量的特徵嵌入，並將其整合到圖像恢復網絡中，從而學習高保真度的圖像重建。控制器本身還會輸出與輸入的真實損壞匹配的降級特徵，為不同的降級類型提供自然的分類器。DA-CLIP還使用混合降級數據集進行訓練，提高了特定降級和統一圖像恢復任務的性能。

DiffBIR 是一種基於生成擴散先驗的盲圖像恢復模型。它通過兩個階段的處理來去除圖像的退化，並細化圖像的細節。DiffBIR 的優勢在於提供高質量的圖像恢復結果，並且具有靈活的參數設置，可以在保真度和質量之間進行權衡。該模型的使用是免費的。