论文：(icml26) Degradation-Aware Metric Prompting for Hyperspectral Image Restoration
1、研究动机
作者指出当前的高光谱修复模型有两个痛点：① 依赖人工标注退化类别 / 文本提示（显式先验，实际应用难以获取）；② 易过拟合训练退化分布、零样本泛化差。
解决思路是：从退化图像本身提取物理可解释的空谱统计指标组成 6 维退化提示 DP。DP 作为门控路由动态调度专家网络 DAMoE，不同退化自适应启用对应专家。
2、模型框架
整体为U-Net架构 + DAMoE 解码器 + DP 提示调控 ，包含两大关键模块：DP 退化提示构造、DAMoE 自适应专家混合
模块1，DP（Degradation Prompts）退化提示。 初选 25 项空谱候选指标，最终保留6 维量化指标构成 DP 向量（全部具备明确物理意义），比如 HFER 表达空间细节保留程序，STU刻画空间纹理平滑程度等。
模块2，DAMoE（退化自适应专家混合模块）+SSAM 专家单元。 SSAM空谱自适应专家由空间分支+光谱分支组成，自适应的学习空间、光谱分支的权重。DP向量拼接经投影生成门控分数，使用top-k选择专家（总共4个专家，每次仅激活1个）