💻 computer science

Restoration-Aligned Generative Flow Models for Blind Motion Deblurring

DeblurFlow 是一个新颖的框架，它通过将生成流模型的流轨迹重新表述为针对残差误差，并引入一种专门的 r 空间潜在变量，从而在实现高恢复保真度与感知真实感之间取得更优平衡的同时，显著降低了计算成本。

原作者： Insoo Kim, Jinwoo Shin

发布于 2026-05-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Insoo Kim, Jinwoo Shin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你有一张美丽的照片，但有人不小心在相机抖动或主体移动时按下了快门。结果是一团模糊的影像。你的目标是修复它。

长期以来，计算机科学家一直尝试用两种不同的方法来修复这个问题，但他们通常不得不在准确性和真实感之间做出选择。

准确性团队：这些方法就像一位严格的编辑。他们审视模糊的照片，试图通过数学计算精确得出原始像素本应有的样子。结果非常锐利且忠实于原始场景，但往往看起来有点“塑料”或过于平滑，缺乏让照片显得真实的那些微小、杂乱的细节。
真实感团队：这些方法使用在数百万张完美照片上训练过的强大 AI 模型。他们就像一位懂得光线和纹理应该呈现何种样貌的创意艺术家。他们能添加惊人的细节，但如果你让他们修复一张特定的模糊照片，他们往往会过度发挥。他们可能会凭空捏造原本不存在的细节，或者完全改变物体的形状，导致照片看起来虚假或扭曲。

问题所在：
该论文指出，试图将这两个团队结合起来通常会失败。如果你让一位“真实感”艺术家去修复一张已经由“准确性”编辑修复过的照片，这位艺术家往往会破坏编辑的辛勤成果。照片会变得怪异并失去其原始形状（作者将这一问题称为“保真度崩溃”）。

解决方案：DeblurFlow
作者创建了一个名为DeblurFlow的新系统。不妨将其视为一种组织工作流程的绝妙新方法，让“准确性”和“真实感”团队能够协同工作而互不冲突。

以下是其工作原理，使用简单的类比说明：

1. 改变目标（“残差”技巧）

通常，“真实感”AI 的训练方式是从随机噪声（如电视雪花）开始，将其转化为清晰的图像。这对于创作新艺术很棒，但对于修复旧照片却很糟糕，因为它并不关心原始图像。

作者改变了 AI 的训练方式。他们不再要求它将“雪花”转化为“清晰”，而是教导它将“模糊”转化为“清晰”。

类比：想象你有一扇沾满泥巴的窗户。
- 旧方法：AI 试图凭空想象一扇全新的、干净的窗户。它可能会画出一扇看起来很漂亮但形状不对的窗户。
- DeblurFlow 方法：AI 被告知：“看看这扇特定窗户上的泥巴。只需确切地告诉我需要擦掉多少泥巴才能露出下面的玻璃。”
- 通过只关注差异（即“残差”或泥巴），AI 学会了在清洁窗户的同时不改变窗框的形状。这既保持了照片的准确性，又增添了真实的纹理。

2. “专用工作空间”（r-space）

AI 模型通常为了节省内存而在图像的“压缩”版本中工作，就像 ZIP 文件一样。作者意识到，标准的"ZIP 文件”是为存储整张图片而设计的，而不是用来计算我们刚才提到的“泥巴”（残差）。这就像试图用一把测量大楼高度的尺子来测量一层灰尘的厚度。

他们构建了一个名为r-space的专用工作空间。

类比：他们不是用一个巨大的仓库来存储整张图片，而是建立了一个微小的、专门用于处理“泥巴”的工作室。这个工作室效率极高，其工作速度比旧方法快9 倍，且使用的计算资源少得多。

3. “双专家”团队（双专家采样）

DeblurFlow 没有强迫一个 AI 在所有方面都完美，而是采用了两步走的团队方法：

专家 A（保真度专家）：这是一个标准的、高精度的 AI。它审视模糊的照片，生成一个非常锐利、数学上正确的版本。它很稳妥，但可能有点乏味。
专家 B（真实感专家）：这是新的 DeblurFlow AI。它接收专家 A 生成的稳妥版本，并温和地添加回那些被平滑掉的真实细节（如皮肤纹理或草叶）。
魔法所在：得益于第 1 步中提到的“残差技巧”，专家 B 确切地知道如何添加细节，而不会破坏专家 A 创建的形状。

结果

论文表明，这种新方法在所有方面都是赢家：

准确：它保持了照片与原始场景的相似性（高 PSNR 分数）。
真实：它添加了其他方法遗漏的优美、自然的细节（高 MUSIQ 分数）。
快速：它可以在不到半秒的时间内修复一张高分辨率照片，这比之前的“真实感”方法快得多。

总结：
DeblurFlow 就像聘请一位大师级建筑师（保真度专家）来建造一座完美的房子，然后聘请一位大师级室内设计师（真实感专家）来装饰它。秘诀在于一套新的指令（残差损失和 r-space），它告诉设计师：“添加你喜欢的所有华丽细节，但不要移动建筑师地基中的哪怕一块砖。”结果是一座既结构完美又细节精美的房子。

技术摘要：面向盲运动去模糊的恢复对齐生成流模型

问题陈述

盲运动去模糊旨在从单张模糊观测图像中恢复出清晰的潜在图像。尽管基于恢复的深度学习方法通过像素级损失实现了高保真度（与真实图像高度匹配），但它们往往难以生成感知上逼真的细节，导致输出过度平滑。相反，在大规模自然图像上训练的生成模型（如扩散模型和流匹配模型）在感知质量方面表现出色，但在直接应用于恢复任务时却遭受严重的保真度下降。这种“保真度崩溃”现象源于生成模型的训练目标（将噪声传输至清洁数据）与恢复目标（从退化输入中恢复特定内容）之间存在固有的不对齐。若简单地将生成模型叠加在高保真恢复网络之上，通常会导致峰值信噪比（PSNR）显著下降，无法保留初始重建质量。

方法论：DeblurFlow

作者提出了DeblurFlow，该框架通过重构生成流轨迹，解决了生成与恢复之间的目标不匹配问题。该方法包含三个核心组件：

1. 恢复对齐的流公式

标准的流匹配模型学习一个向量场，将噪声样本（ $\epsilon$ ）传输至清晰图像（ $x$ ）。DeblurFlow 通过用模糊观测值（ $y$ ）替换噪声终点，重新诠释了这一轨迹。

轨迹重定义：路径定义为 $x^*_t = (1-t)x + ty$ ，其中 $y$ 为模糊输入， $x$ 为清晰真实值。
向量场作为残差：该路径的导数 $v^* = y - x$ 自然地表示了模糊图像与清晰图像之间的残差误差。
损失对齐：在此公式下，标准流匹配损失与残差损失（ $L_{res} = \|v_\theta(x^*_t, t) - (y - x)\|^2$ ）相一致。这使得预训练的流模型能够通过低秩自适应（LoRA）在面向恢复的目标下进行优化，使其能够预测残差而非从噪声生成图像。

2. 双专家采样策略

为了平衡恢复保真度与感知真实性，该框架将任务分解为两个互补的角色：

保真度专家：一个预训练的恢复网络（例如 NAFNet）提供高保真的初始估计（ $x^*_t = f_\psi(y)$ ）。
真实性专家：DeblurFlow 充当保真度保持的真实性专家。它在流匹配采样过程中通过预测残差误差来细化初始估计。
协同训练：为了解决在原始模糊输入上训练与在高保真初始化上训练之间可能存在的分布差距，模型在直接模糊到清晰的映射（ $y \to x$ ）和依赖专家的映射（ $f_\psi(y) \to x$ ）上进行协同训练。

3. r 空间潜在表示

为了确保计算效率，该框架在一种称为r 空间的专用潜在空间中运行，而非标准的 VAE 潜在空间。

设计：r 空间专为残差解码量身定制，而非用于清晰图像重建。
架构：它利用带有残差捷径的编码器 - 解码器对，将结构线索直接从模糊输入中传播。
效率：与标准 VAE 相比，这种设计显著降低了编码器 - 解码器组件的计算成本，使得迭代采样过程适用于实际应用。

主要贡献

恢复对齐公式：本文提出了一种新的去模糊框架，通过重构生成流轨迹，将向量场视为任务对齐的残差误差。这缓解了保真度崩溃问题，使生成流模型能够与高保真去模糊模型兼容。
r 空间潜在空间：r 空间的引入实现了保真度保持的编码与解码，并具有高计算效率，将编码器 - 解码器的成本较标准 VAE 潜在空间降低了高达 9 倍。
双专家采样：一种将问题分解为保真度专家和保真度保持的真实性专家的策略，在确保高恢复保真度的同时，显著提升了感知真实性。

实验结果

作者在四个数据集上评估了 DeblurFlow：GoPro、HIDE、RealBlur-J和RWBI。

保真度与真实性：在 GoPro 数据集上，DeblurFlow 实现了 33.05 dB 的 PSNR（相比之下，仅保真度专家为 33.69 dB，朴素生成应用为 27.60 dB），MUSIQ 得分为 50.81（显著高于 NAFNet 等基于恢复的方法的 45.28）。这证明了其在保持保真度的同时增强感知质量的能力。
泛化能力：在缺乏真实值的现实世界 RWBI 数据集上，DeblurFlow 在所有无参考指标（CLIPIQA、NIQE、MUSIQ、MANIQA）上均优于基于恢复和基于扩散的方法。
计算效率：DeblurFlow 在单张 GPU 上处理 2K 分辨率图像仅需 0.41 秒。这比 DiffIR 快约 3.4 倍，比 FFTFormer 快 6.5 倍。r 空间的使用将编码器 - 解码器的计算成本从 422.7 GMACs 降低到了 19.5 GMACs。
消融研究：实验证实，标准生成目标会导致保真度崩溃（PSNR 从 33.69 降至 27.60）。所提出的残差损失公式缓解了这一下降（将 PSNR 恢复至 32.40），而 r 空间在降低成本的同时进一步提升了保真度和真实性。

意义与主张

本文声称，DeblurFlow 成功弥合了恢复与生成之间的鸿沟。通过将生成流轨迹重构为与恢复目标对齐（预测残差而非传输噪声），该框架使得单个生成模型能够有效地充当去模糊工具，而无需牺牲传统恢复网络提供的保真度。

作者强调，他们的贡献不仅仅在于组合现有组件，而在于在恢复对齐的生成公式下的统一。这种方法表明，恢复与生成不必被视为截然不同、互不相容的任务，而可以在单个生成流模型中进行探索。该方法被提出作为一种实用解决方案，在保持计算效率以适应实际部署的同时，实现了强大的恢复保真度和感知真实性。作者指出，该框架有可能扩展到其他恢复任务，如图像去噪和超分辨率。