ImIR：用图像指令微调实现全能图像修复

arXiv 于 2026 年 9 月 21 日发布了一篇题为《ImIR: Image-Instruction Tuning for All-in-One Image Restoration》的论文，编号为 arXiv:2609.25267v1，属于计算机视觉与模式识别（cs.CV）分类。作者为 Süleyman Aslan 及另外 7 位合作者，论文已被 ACCV 2026 接收。该工作关注一个现实问题：图像退化类型差异极大，因此实用的复原系统必须用单一模型处理多种退化。近期一种有效做法是：以小型低秩适配器（low-rank adapter）配合文本提示，把大型预训练图像编辑模型适配到复原任务上。ImIR 的核心改动是把这个文本提示替换成从退化图像本身推导出的“图像指令”。具体而言，退化图像通过两条路径进入编辑器：其结构信息来自模型自身的 VAE，而其语义指令来自一个轻量级 token mapper，该映射器把退化图像的视觉-语言嵌入向干净图像本应产生的嵌入方向偏移。由于指令是一个连续向量，对它进行缩放就能得到一族有效的复原结果，这对目标不唯一的任务尤其有用，例如低光增强——同一张低光图可能存在多种合理亮度与风格。作者用单个适配器把一个 Qwen-Image-Edit 模型适配到六项任务，训练仅需约三小时、在一块 GPU 上完成。在匹配条件下的比较中，图像指令优于文本条件；并且它支持无需退化标签的任务无关复原，而文本版本做不到这一点。论文提交历史显示，v1 版本于 2026 年 9 月 21 日 18:15:08 UTC 提交，文件大小约 3,558 KB，提交人为 Süleyman Aslan。页面同时提供 PDF、实验性 HTML、TeX 源码与查看许可等链接；DOI 为 https://doi.org/10.48550/arXiv.2609.25267，由 DataCite 发放，但页面注明 DOI 注册尚在等待中。需要留意的是，当前可获取的正文信息以摘要与元数据为主，摘要并未给出六项任务的具体名称、定量指标、数据集规模、与基线方法的逐项对比数值，也未在正文中列出代码或数据链接；因此关于“图像指令优于文本条件”和“任务无关复原”的结论，应视为作者在论文中的报告，具体实验设置与消融结果仍需查阅全文。同样，约三小时、单 GPU 的训练成本与六任务共用一个适配器的设定，是摘要中的概括性描述，实际硬件型号、训练数据构成与适配器容量等细节未在摘要层面展开。总体来看，ImIR 提出了一条不同于文本提示的复原条件化路径：让退化图像自身产生连续语义指令，并通过缩放这一连续向量来覆盖目标不唯一的复原任务族，从而在单一模型、单一适配器与较短训练时间下实现多任务图像复原。