본 논문은 다양한 열화 환경에서 여러 가지 손상을 처리할 수 있는 통합 모델 개발을 목표로 하는 All-in-One Image Restoration (AIO-IR) 문제 해결을 위해 FAPE-IR (Frequency-Aware Planning and Execution framework for image restoration)을 제안합니다. FAPE-IR은 고정된 Multimodal Large Language Model (MLLM)을 사용하여 손상된 이미지를 분석하고 주파수 인식 복원 계획을 생성합니다. 이러한 계획은 LoRA 기반 Mixture-of-Experts (LoRA-MoE) 모듈을 안내하여 고주파 또는 저주파 전문가를 동적으로 선택하며, 입력 이미지의 주파수 특징을 활용합니다. 또한, 복원 품질 향상 및 아티팩트 감소를 위해 적대적 훈련과 주파수 정규화 손실을 도입했습니다. FAPE-IR은 의미론적 계획과 주파수 기반 복원을 결합하여 AIO-IR을 위한 통합적이고 해석 가능한 솔루션을 제공하며, 광범위한 실험을 통해 7가지 복원 작업에서 최첨단 성능을 달성하고 혼합된 손상 환경에서도 강력한 제로샷 일반화 능력을 보여줍니다.
