通过内化思维链推理实现通用图像修复

针对复杂混合退化下图像修复的病态性问题，现有统一模型性能下降，而多轮思维链方法存在计算成本高及退化交互建模弱的局限。本文提出 CoTIR 框架，将图像修复视为编辑子任务，利用预训练编辑模型微调，并通过受拉格朗日优化启发的可微公式，将结构化思维链推理内化至单一模型的学习目标中，实现无需串联专用修复器的整体修复。此外，构建了含 520 万样本的 CoTIR-Bench 基准。实验表明，该方法在感知质量和保真度上均优于现有统一模型及多轮修复方法。