Update README.md

README.md

@@ -10,28 +10,31 @@ datasets:
 - ModelMoe/DDRD20K
 ---
 
-# DDRM: Diffusion Degradation Restoration Model
+# DDRM: Diffusion Degradation Restoration Model / 扩散退化还原模型
 
-DDRM (扩散退化还原模型) 是一款专为高精度图像修复与色彩对齐设计的深度学习模型。本模型通过**参考图颜色查询**，实现了对复杂退化图像的精准还原。
+## Model Description / 模型简介
+**DDRM** (Diffusion Degradation Restoration Model) is a deep learning framework engineered for high-precision image restoration and color alignment. By leveraging **Reference-based Color Querying**, the model achieves accurate restoration of complex degraded images based on external stylistic cues.
 
-##  模型架构 (Model Features）
+**DDRM** 是一款专为高精度图像修复与色彩对齐设计的深度学习模型。该模型通过**参考图颜色查询**机制，实现了对复杂退化图像的精准还原与色调同步。
 
-1. 交互式参考图颜色查询 (Reference-based Color Query)
-* 跨图像语义对齐：模型能够从参考图中提取高质量的色彩先验。
-* 查询向量机制 (Queries)：利用 100 个可学习的查询向量在参考图特征空间中进行“搜索”，自动拾取最契合当前场景的色彩与光影参数。
+---
 
-2. 动态核密度估计先验 (KDE-based Distribution Prior)
-* 模型内置了通过核密度估计 (Kernel Density Estimation) 实时捕捉图像的统计特性。
-* 全局色彩锚点：模型不再仅仅依赖像素值，而是通过分析图像的 PDF (概率密度函数) 特征，确保还原后的图像在全局色调上与参考图保持统计学一致。
+## 🛠️ Model Features / 模型架构特性
 
-3. 多尺度 Transformer 解码架构 (Multi-Scale Transformer)
-* 结合了卷积神经网络 (ConvNeXt V2) 的局部保真度与 Transformer 的全局感受野。
-* 解耦表征学习：编码器负责提取结构与纹理，而多尺度 Transformer 解码器负责注入由 Query 引导的色彩信息。
+### 1. Reference-based Color Query / 交互式参考图颜色查询
+* **Cross-Image Semantic Alignment:** Extracts high-quality color priors from reference images. / **跨图像语义对齐**：从参考图中提取高质量的色彩先验信息。
+* **Learnable Query Mechanism:** Utilizes 100 learnable query vectors to "search" the reference feature space, automatically selecting the optimal color and lighting parameters for the target scene. / **查询向量机制**：利用 100 个可学习的查询向量在参考图特征空间中进行“搜索”，自动拾取最契合当前场景的色彩与光影参数。
 
-## 环境依赖
-```bash
-pip install torch kornia timm opencv-python
-```
+### 2. KDE-based Distribution Prior / 动态核密度估计先验
+* **Statistical Characteristic Capture:** Built-in Kernel Density Estimation (KDE) captures real-time image statistical properties. / **统计特性捕捉**：内置核密度估计模块，实时捕捉图像的统计学特征。
+* **Global Color Anchors:** Instead of relying solely on pixel values, the model analyzes the PDF (Probability Density Function) to ensure the restored image maintains global tonal consistency with the reference. / **全局色彩锚点**：模型不再仅仅依赖像素值，而是通过分析概率密度函数 (PDF) 特征，确保还原图像在全局色调上与参考图保持统计学一致。
+
+### 3. Multi-Scale Transformer Decoder / 多尺度 Transformer 解码架构
+* **Hybrid Architecture:** Combines the local fidelity of **ConvNeXt V2** with the global receptive field of **Transformers**. / **混合架构**：结合了 ConvNeXt V2 的局部保真度与 Transformer 的全局感受野。
+- **Decoupled Representation Learning:** The encoder extracts structure and texture, while the multi-scale Transformer decoder injects color information guided by the Query mechanism. / **解耦表征学习**：编码器负责提取结构与纹理，而多尺度 Transformer 解码器负责注入由 Query 引导的色彩信息。
 
-## 许可证说明 (License)
-本模型及相关代码遵循 **[CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh)** 许可协议。
+---
+
+## 🚀 Getting Started / 环境依赖
+```bash
+pip install torch kornia timm opencv-python