OPERA：一种具有端到端联合规划 - 执行优化能力的图像修复智能体

现实世界的图像修复因复杂混合退化而极具挑战。现有基于智能体的方法虽组合了多种专用工具，但受限于隐式约束的规划空间及工具间缺乏协同。为此，本文提出 OPERA 框架，以端到端方式联合优化修复规划与工具执行。在规划层面，利用强化学习直接在组合规划空间中优化工具序列，以最终修复质量为奖励；在执行层面，引入智能体引导的协同训练，使工具在顺序组合中学习协作行为。实验表明，OPERA 在多种复杂退化场景下均优于现有模型及方法。