IR-Flow：整流フローで判別型と生成型の画像復元をつなぐ

要旨: 画像復元では、単一ステップの識別的写像は、期待学習を通じて精細なディテールを欠きがちである一方、生成的パラダイムは非効率な多段階サンプリングとノイズ残差の結合に悩まされます。このジレンマに対処するために、我々はRectified Flowに基づく新しい画像復元手法であるIR-Flowを提案します。IR-Flowは、識別的パラダイムと生成的パラダイムの間のギャップを埋める統一的枠組みとして機能します。具体的には、まず多層のデータ分布フローを構築し、モデルがさまざまな劣化レベルから学習し、適応する能力を拡張します。次に、劣化レベルの異なる状況で輸送（トランスポート）の軌跡を学習するために、累積速度場を提案し、中間状態をクリーンな目標へ導きます。さらに、軌跡の一貫性を強制し、少数ステップ復元の性能を向上させるために、多段階の一貫性制約を提示します。劣化画像ドメインとクリーン画像ドメインの間に線形の輸送フローを直接確立することは、高速推論を可能にするだけでなく、分布外の劣化への適応性も向上させます。大規模な評価を、雨だれ除去・デノイズ（ノイズ除去）・雨除け（de-raining）のタスクで行った結果、IR-Flowはわずかなサンプリングステップのみで競争力のある定量結果を達成し、優れた歪み-知覚（distortion-perception）のバランスを維持しつつ、効率的で柔軟な枠組みを提供できることを示します。コードは https://github.com/fanzh03/IR-Flow で公開しています。