点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

你是否遇到过这样的困扰：一张照片可能同时被噪声、雨雾、模糊等多种问题缠身，而普通的修复工具要么只能处理单一问题，要么修复后画面变得模糊不清？

最近，来自顶尖研究团队的新成果——DA-RCOT框架（退化感知残差条件最优传输），彻底改变了这一现状。这项发表在TPAMI 2025的研究，用数学中的"最优传输"思想解决图像复原难题，让一个模型就能搞定多种退化问题，还能完美保留图像细节！

论文信息

题目：Degradation-Aware Residual-Conditioned Optimal Transport for Unified Image Restoration

面向统一图像复原的退化感知残差条件最优传输

作者：Xiaole Tang, Xiang Gu, Xiaoyi He, Xin Hu, Jian Sun

源码：https://github.com/xl-tang3/DA-RCOT

为什么传统方法总是"力不从心"？

现实世界的图像退化往往很复杂：一张户外照片可能同时有雨丝、雾气和运动模糊；老照片修复时可能既有噪声又有褪色。但过去的图像复原方法存在明显短板：

• 专一性太强：去噪模型不会去雾，去雾模型处理不了模糊

• 细节丢失严重：修复后画面变得"磨皮过度"，纹理和边缘全没了

• 依赖配对数据：需要大量"退化图-干净图"配对数据，现实中很难获取

看看下面的对比，传统方法修复后要么残留退化，要么细节模糊，总是不尽如人意：

DA-RCOT框架：用"最优传输"思维做图像修复

研究团队提出了一个全新思路：把图像复原看作两个图像分布之间的最优传输问题。简单说，就是找到一种"最优运输方案"，把退化图像的像素"搬运"到干净图像的对应位置，同时保证"运输成本"最低。

总体框架长这样

DA-RCOT的核心是一个两阶段的智能修复系统，先快速生成初步结果，再用残差信息优化细节：

整个过程就像：

1. 先用粗修工具快速处理（第一阶段）

2. 分析修复前后的差异（残差），找到退化特征

3. 用这些特征指导精细修复（第二阶段）

三大创新点让修复效果"跃升"

1. 傅里叶残差成本：给"图像运输"定个聪明的价

传统方法计算修复误差时只看像素差异，就像按重量算运费却不管货物易碎程度。DA-RCOT则引入了傅里叶残差：

• 把残差（退化图-干净图）转换到频率域

• 不同退化在频率域有独特"指纹"（比如噪声是高频信号，模糊是低频损失）

• 按这些特征计算"运输成本"，让修复更有针对性

2. 两阶段修复：先试修再精修

就像装修房子先出草图再细化，DA-RCOT分两步走：

• 第一阶段：快速生成初步修复图，计算残差（退化特征）

• 第二阶段：把残差编码成多尺度特征，指导模型针对性修复

这种机制让模型能"记住"自己哪里修得不好，然后重点优化。

3. 多尺度残差嵌入：给模型装上"退化识别器"

研究团队设计了专门的残差嵌入生成模块（REGM），能从残差中提取出：

• 低级特征（颜色、纹理）

• 高级特征（退化类型、程度）

通过对比学习，让模型能精准区分不同退化（比如雨和雾的特征差异）：

上图中不同颜色代表不同退化类型，可见DA-RCOT的残差嵌入能把它们清晰分开，连噪声强度的差异都能准确捕捉！

实验结果：横扫五大退化问题

研究团队在去噪、去雨、去雾、去模糊、低光照增强五大任务上做了测试，DA-RCOT的表现惊艳全场：

一体化修复能力碾压对手

用一个模型同时处理三种退化时，DA-RCOT在各项指标上全面领先，尤其是感知质量提升明显：

扩展到五种退化时，优势更加明显，修复后的图像细节丰富，没有伪影：

对陌生退化也有超强适应力

当遇到训练时没见过的退化程度（比如训练了小雨修复，测试大雨场景），DA-RCOT的泛化能力秒杀其他方法：

真实世界场景修复效果惊艳

在真实世界的雨雾、低光照图像上，DA-RCOT修复的图像更清晰，色彩更自然：

连复合退化都能轻松搞定

面对同时存在多种退化的图像（比如既模糊又有噪声），DA-RCOT依然能精准修复：

为什么DA-RCOT能这么强？

关键在于它抓住了图像退化的本质：

1. 用残差当线索：退化图像和干净图像的差异里藏着最关键的修复信息

2. 多尺度分析：从细节纹理到整体结构全面捕捉退化特征

3. 最优传输理论：数学保证了修复过程的最优性，避免过度修复或修复不足

这项研究不仅让图像复原的效果提升了一个档次，更重要的是提供了一种通用框架，未来可能扩展到视频修复、医学影像增强等更多领域。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：人工智能0基础学习攻略手册

在「小白学视觉」公众号后台回复：攻略手册，即可获取《从 0 入门人工智能学习攻略手册》文档，包含视频课件、习题、电子书、代码、数据等人工智能学习相关资源，可以下载离线学习。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~