ImIR：用圖像指令微調實現全能圖像修復

arXiv 於 2026 年 9 月 21 日發佈了一篇題為《ImIR: Image-Instruction Tuning for All-in-One Image Restoration》的論文，編號為 arXiv:2609.25267v1，屬於計算機視覺與模式識別（cs.CV）分類。作者為 Süleyman Aslan 及另外 7 位合作者，論文已被 ACCV 2026 接收。該工作關注一個現實問題：圖像退化類型差異極大，因此實用的復原系統必須用單一模型處理多種退化。近期一種有效做法是：以小型低秩適配器（low-rank adapter）配合文本提示，把大型預訓練圖像編輯模型適配到復原任務上。ImIR 的核心改動是把這個文本提示替換成從退化圖像本身推導出的“圖像指令”。具體而言，退化圖像通過兩條路徑進入編輯器：其結構信息來自模型自身的 VAE，而其語義指令來自一個輕量級 token mapper，該映射器把退化圖像的視覺-語言嵌入向乾淨圖像本應產生的嵌入方向偏移。由於指令是一個連續向量，對它進行縮放就能得到一族有效的復原結果，這對目標不唯一的任務尤其有用，例如低光增強——同一張低光圖可能存在多種合理亮度與風格。作者用單個適配器把一個 Qwen-Image-Edit 模型適配到六項任務，訓練僅需約三小時、在一塊 GPU 上完成。在匹配條件下的比較中，圖像指令優於文本條件；並且它支持無需退化標籤的任務無關復原，而文本版本做不到這一點。論文提交歷史顯示，v1 版本於 2026 年 9 月 21 日 18:15:08 UTC 提交，文件大小約 3,558 KB，提交人為 Süleyman Aslan。頁面同時提供 PDF、實驗性 HTML、TeX 源碼與查看許可等鏈接；DOI 為 https://doi.org/10.48550/arXiv.2609.25267，由 DataCite 發放，但頁面註明 DOI 註冊尚在等待中。需要留意的是，當前可獲取的正文信息以摘要與元數據為主，摘要並未給出六項任務的具體名稱、定量指標、數據集規模、與基線方法的逐項對比數值，也未在正文中列出代碼或數據鏈接；因此關於“圖像指令優於文本條件”和“任務無關復原”的結論，應視為作者在論文中的報告，具體實驗設置與消融結果仍需查閲全文。同樣，約三小時、單 GPU 的訓練成本與六任務共用一個適配器的設定，是摘要中的概括性描述，實際硬件型號、訓練數據構成與適配器容量等細節未在摘要層面展開。總體來看，ImIR 提出了一條不同於文本提示的復原條件化路徑：讓退化圖像自身產生連續語義指令，並通過縮放這一連續向量來覆蓋目標不唯一的復原任務族，從而在單一模型、單一適配器與較短訓練時間下實現多任務圖像復原。