北大等提出MaskDCPT：通用图像修复预训练新范式，PSNR提升3.77dB

文章来源：我爱计算机视觉（ID：aicvml）

朋友们，今天想跟大家聊一篇图像修复领域的有意思的新工作。如今，我们对图片质量的要求越来越高，但拍摄过程中总免不了各种意外，比如模糊、噪点、光线不足等等。传统的图像修复模型往往是“专科医生”，一个模型对应一种问题。但我们更想要一个“全科医生”，一个模型搞定所有图像退化问题，这就是所谓的“通用图像修复”。

最近，来自 北京大学、JIUTIAN Research 和国防科大 的研究者们就提出了一个名为 MaskDCPT 的通用图像修复预训练方法。这个名字拆开看就是 Masked Degradation Classification Pre-Training（掩码退化分类预训练），思路可以说非常巧妙。它不直接一上来就修复图像，而是先学会“诊断”图像坏掉的类型。

简单来说，这个方法通过一个统一的框架，让模型在预训练阶段就见多识广，不仅学会重建高质量图像，还学会了识别输入图像的“病症”（即退化类型）。这种“诊断+治疗”的模式，让模型在面对各种复杂的、甚至是没见过的图像退化问题时，表现得异常出色。

• 
  

  论文标题 : Universal Image Restoration Pre-training via Masked Degradation Classification

• 论文地址 : https://arxiv.org/abs/2510.13282

• 代码仓库 : https://github.com/MILab-PKU/MaskDCPT

从官方给出的效果图就能看到，无论是“五项全能”的综合修复任务，还是真实的现实世界场景，MaskDCPT 预训练过的模型在保真度和感知质量上都达到了顶尖水平。

研究背景与动机

通用图像修复的目标是用一个模型解决多种多样的图像退化问题，比如去噪、去模糊、去雨、低光增强等等。之前的预训练方法，很多是借鉴自然语言处理领域的成功经验，比如掩码自编码器（MAE），在图像上做类似“完形填空”的任务来学习特征。

但这些方法有个问题：它们大多只关注图像内容本身的重建，而忽略了一个非常重要的信息——图像究竟是“怎么坏的”。不同类型的退化（比如高斯噪声和JPEG压缩），其底层特征和修复方式是截然不同的。如果模型能提前知道退化类型，无疑会对修复工作大有裨益。

作者们认为，退化信息和图像内容信息在修复任务中是互补的。因此，他们想设计一种新的预训练范式，能同时利用这两种信息，从而学习到更通用、更强大的图像修复能力。

MaskDCPT：掩码退化分类预训练

为了实现这个目标，研究者们设计了 MaskDCPT 框架。这个框架的整体流程相当清晰直观。

它的核心思想可以概括为以下几步：

1. 输入与掩码 ：输入一张低质量（退化）的图像，并像做“完形填空”一样，在图像上随机遮掉一部分小块（patch-level masking）。

2. 编码器提取特征 ：一个修复骨干网络（比如 CNN 或 Transformer）作为编码器，负责从被遮挡的低质量图像中提取特征。

3. 双解码器设计 ：接下来是关键，模型有两个“头”（解码器），分头行动：

   • 重建解码器 ：它的任务是利用编码器提炼的特征，把被遮挡的图像“脑补”完整，重建出对应的高质量、无损的图像。这是一个图像重建任务。

   • 分类解码器 ：它的任务同样是基于那些特征，但目标不是重建图像，而是判断输入的低质量图像到底属于哪一种退化类型（比如是模糊了，还是加了噪点）。这是一个分类任务。

通过这种方式，MaskDCPT 将退化类型作为一种“极弱监督”信号，巧妙地融入到预训练中。模型为了同时完成好“重建”和“分类”这两个任务，就必须学习到一种既懂图像内容、又懂退化信息的广义特征表示。CV君觉得，这种设计有点像让模型“知其然，亦知其所以然”，不仅要会修，还要知道修的是什么毛病，思路非常赞。

作者还通过实验发现，退化分类的准确率和图像修复的性能是正相关的，这印证了他们最初的猜想。同时，合适的掩码率（mask ratio）也很重要，太低了模型学不到上下文，太高了又会丢失关键信息。

上图展示了分类准确率与训练迭代次数、图像掩码率的关系，可以看到随着训练进行，分类准确率稳步提升，并且在75%的掩码率附近达到最佳。

UIR-2.5M：一个全新的大规模修复数据集

光有好的方法还不够，还需要足够多、足够好的数据来“喂养”模型。为此，作者们还贡献了一个大规模的通用图像修复数据集——UIR-2.5M。

这个数据集有多“壕”呢？它包含了 250万 个图像对，涵盖了 19种 不同的退化类型和超过 200个 退化等级，而且同时包含了合成数据和真实的现实世界数据。这为训练更鲁棒、更通用的修复模型提供了坚实的基础。

实验效果：性能显著提升

MaskDCPT 的效果到底如何？实验结果给出了答案：非常惊艳。

全能型修复任务（All-in-One Restoration）

在包含去雨、去雪、去模糊、去噪和去雾的“五项全能”修复任务上，使用 MaskDCPT 预训练的模型，无论是基于 CNN 还是 Transformer 架构，性能都得到了巨大提升。

从上表中可以看到，与那些需要专门为“全能”任务设计的复杂模型相比，仅仅是用了 MaskDCPT 预训练的经典模型（如 Uformer），就在 PSNR/SSIM 等指标上轻松超越了它们。PSNR 指标平均至少提升了 3.77 dB，这是一个非常显著的进步。

视觉效果对比也同样证明了其优越性，修复后的图像细节更清晰，伪影更少。

真实世界与未见过的退化场景

更具挑战性的是在真实世界和“域外”（Out-of-Domain）场景中的表现。

在6种真实世界的退化任务上，MaskDCPT 预训练的模型在感知指标 PIQE 上相比基线降低了 34.8%，这意味着修复后的图像在人眼看起来更自然、质量更高。

上图的视觉对比非常直观，经过 MaskDCPT 预训练的模型能够更好地处理真实复杂的低光和模糊问题。

当面对训练时从未见过的高强度噪声（σ = 75的高斯噪声）时，MaskDCPT 展现了强大的泛化能力。

可以看到，只有经过 MaskDCPT 预训练的模型能够有效去除强噪声，同时不产生多余的奇怪纹理。

混合退化场景

在更复杂的混合退化场景（比如低光+模糊）中，MaskDCPT 同样表现出色。

无论是定量指标还是视觉效果，都证明了该方法在处理复杂光照和结构问题上的能力。

消融实验

作者还进行了一系列消融实验，验证了方法设计的合理性。例如，他们比较了不同的掩码策略和掩码率，证明了 patch-level 的掩码和75%的掩码率是最佳选择。

同时，他们也验证了退化分类这个任务的重要性，证明了它确实能帮助模型提升修复性能。

总结

总的来说，MaskDCPT 这个工作直观、有效，通过一个巧妙的双任务设计，为通用图像修复的预训练提供了一个全新的、更强大的范式。作者不仅提出了新方法，还贡献了宝贵的数据集和开源代码，可以说是非常扎实和全面的工作了。

大家对这个“先诊断、后修复”的思路怎么看？欢迎在评论区留下你的看法！