내시경 이미지는 저조도, 연기, 출혈 등 다양한 열화 현상으로 인해 임상적 세부 사항이 가려지는 경우가 많습니다. 기존 복원 방법은 일반적으로 작업별이며, 열화 유형에 대한 사전 지식이 필요하여 실제 임상 사용에서의 견고성을 제한합니다. 본 연구에서는 단일 모델을 사용하여 여러 열화 유형을 복원하는 모든 기능을 갖춘 열화 무관 확산 기반 프레임워크인 EndoIR을 제안합니다. EndoIR은 이중 도메인 프롬프터를 도입하여 공간-주파수 특징을 추출하고, 잡음 제거를 위한 조건으로 공유 및 작업별 단서를 모두 인코딩하는 적응형 임베딩을 결합합니다. 기존 연결 기반 조건부 부여에서 특징 혼동을 완화하기 위해 깨끗하고 열화된 입력을 별도로 처리하는 이중 스트림 확산 아키텍처를 설계했으며, 정류 융합 블록은 구조화된 열화 인식 방식으로 통합합니다. 또한, 잡음 인식 라우팅 블록은 잡음 관련 특징만 동적으로 선택하여 효율성을 향상시킵니다. SegSTRONG-C 및 CEC 데이터 세트에 대한 실험 결과, EndoIR은 강력한 기준선보다 적은 매개변수를 사용하면서 여러 열화 시나리오에서 최첨단 성능을 달성했으며, 다운스트림 분할 실험은 임상적 유용성을 확인했습니다.
