Kaiwen Zhu、Jinjin Gu、Zhiyuan You、Yu Qiao和Chao Dong等研究人员在ICLR 2025会议上发表了一篇题为《An Intelligent Agentic System for Complex Image Restoration Problems》的学术论文。该研究由上海交通大学、上海人工智能实验室、悉尼大学、香港中文大学以及中国科学院深圳先进技术研究院等机构合作完成。论文提出了一种名为AgenticIR的智能代理系统，旨在解决复杂图像修复（Image Restoration, IR）问题。

图像修复是一个涉及多种退化现象的复杂任务，现有的模型通常针对单一退化问题设计，但在实际应用中，图像往往同时存在多种退化现象。为了解决这一问题，研究团队受人类问题解决过程的启发，提出了一种模仿人类图像处理方法的智能代理系统。该系统通过五个关键阶段——感知（Perception）、调度（Scheduling）、执行（Execution）、反思（Reflection）和重新调度（Rescheduling）——动态操作一系列图像修复模型，以实现复杂退化场景下的图像修复。

在感知阶段，系统利用视觉语言模型（Vision-Language Models, VLMs）分析图像质量，识别退化类型。在调度阶段，系统根据感知结果和预定义的规则，制定修复计划。执行阶段则按照计划逐步应用修复模型。反思阶段评估修复效果，如果结果不理想，系统会进入重新调度阶段，调整修复计划并重新执行。通过这种迭代过程，系统能够逐步优化修复结果。

研究团队构建了一个包含多种图像修复模型的“工具箱”，并通过微调VLMs来增强系统的图像质量分析能力。此外，他们还引入了自探索和经验总结方法，使系统能够通过观察大量修复结果，总结出可参考的经验知识，从而在决策过程中提供更可靠的支持。

实验结果表明，AgenticIR在处理复杂图像修复任务方面表现出色。研究团队在实验室环境中进行了大量测试，验证了系统在多种退化场景下的有效性。尽管研究主要是在实验室环境中进行的，但团队认为这种范式在自动化和智能图像处理领域具有广泛的应用前景。

该研究的创新之处在于将大型语言模型（Large Language Models, LLMs）和视觉语言模型（VLMs）结合，通过文本生成和推理，动态操作图像修复模型。这种智能代理系统的设计不仅能够处理复杂的图像修复任务，还为实现视觉处理领域的通用智能提供了一条有希望的路径。

研究团队还详细探讨了系统在调度阶段的重要性。由于不同修复模型的行为复杂且相互影响，修复顺序的选择对最终结果具有显著影响。通过实验，团队展示了在不同退化场景下，修复顺序的优化如何显著提高修复效果。

此外，研究团队还提出了回滚机制（Rollback Mechanism），当修复计划执行失败时，系统能够回退到前一阶段，并根据失败经验重新制定计划。这种机制使得系统能够在复杂的修复任务中高效地找到可行的修复路径。

AgenticIR系统通过模仿人类图像处理的方法，结合LLMs和VLMs的强大能力，成功解决了复杂图像修复问题。该研究不仅推动了图像修复领域的技术进步，还为未来实现通用视觉智能系统奠定了基础。