論文の概要: Towards a Universal Image Degradation Model via Content-Degradation Disentanglement

• arxiv url: http://arxiv.org/abs/2505.12860v1
• Date: Mon, 19 May 2025 08:45:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.493767
• Title: Towards a Universal Image Degradation Model via Content-Degradation Disentanglement
• Title（参考訳）: コンテンツ劣化によるユニバーサル画像劣化モデルに向けて
• Authors: Wenbo Yang, Zhongling Wang, Zhou Wang,
• Abstract要約: 複素および現実的な劣化の幅広いスペクトルを合成できる最初の普遍的劣化モデルを提案する。 本モデルでは, 等質および不均一な劣化特性を自動抽出・解離する。 本研究では,フィルムグラインシミュレーションとブラインド画像復元作業におけるモデルの精度と適応性を示す。
• 参考スコア（独自算出の注目度）: 7.396927798275475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image degradation synthesis is highly desirable in a wide variety of applications ranging from image restoration to simulating artistic effects. Existing models are designed to generate one specific or a narrow set of degradations, which often require user-provided degradation parameters. As a result, they lack the generalizability to synthesize degradations beyond their initial design or adapt to other applications. Here we propose the first universal degradation model that can synthesize a broad spectrum of complex and realistic degradations containing both homogeneous (global) and inhomogeneous (spatially varying) components. Our model automatically extracts and disentangles homogeneous and inhomogeneous degradation features, which are later used for degradation synthesis without user intervention. A disentangle-by-compression method is proposed to separate degradation information from images. Two novel modules for extracting and incorporating inhomogeneous degradations are created to model inhomogeneous components in complex degradations. We demonstrate the model's accuracy and adaptability in film-grain simulation and blind image restoration tasks. The demo video, code, and dataset of this project will be released upon publication at github.com/yangwenbo99/content-degradation-disentanglement.
• Abstract（参考訳）: 画像劣化合成は、画像復元から芸術効果のシミュレートまで幅広い用途において非常に望ましい。 既存のモデルは、ユーザが提供する分解パラメータを必要とする1つの特定のまたは狭い分解セットを生成するように設計されている。 結果として、それらは初期設計以上の分解を合成したり、他のアプリケーションに適応する一般性に欠ける。 本稿では、同種(球状)成分と不均一(空間的変化)成分の両方を含む複素および現実的な分解の幅広いスペクトルを合成できる最初の普遍的分解モデルを提案する。 本モデルでは, ユーザが介入することなく, 劣化合成に使用される等質・不均一な劣化特徴を自動的に抽出・解離する。 画像から劣化情報を分離するために,ディスタングル・バイ・圧縮法を提案する。 複素分解における不均一成分をモデル化するために、不均一分解を抽出・包含する2つの新しいモジュールを作成する。 本研究では,フィルムグラインシミュレーションとブラインド画像復元作業におけるモデルの精度と適応性を示す。 このプロジェクトのデモビデオ、コード、データセットはgithub.com/yangwenbo99/content-degradation-disentanglementで公開される。

関連論文リスト

• Adaptive Blind All-in-One Image Restoration [15.726917603679716]
  ブラインドオールインワン画像復元モデルは、未知の歪みで劣化した入力から高品質な画像を復元することを目的としている。 ABAIRは、単純で効果的な適応型ブラインドオールインワン修復モデルであり、複数の劣化を処理し、目に見えない歪みをうまく一般化する。 提案モデルは,5段と3段のIR構成における最先端性能を上回るだけでなく,目に見えない劣化や複合歪みに対して優れた一般化を示す。
  論文  参考訳（メタデータ） (2024-11-27T14:58:08Z)
• Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding [67.57487747508179]
  マルチインワン画像復元 (IR) は, 一つのモデルで全ての種類の劣化画像復元を処理し, 大幅な進歩を遂げている。 本稿では,単一と混合の分解で画像を効果的に復元できる新しいマルチインワンIRモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-25T09:26:34Z)
• OneRestore: A Universal Restoration Framework for Composite Degradation [33.556183375565034]
  現実のシナリオでは、画像障害はしばしば複合的な劣化として現れ、低光、迷路、雨、雪といった要素の複雑な相互作用を示す。 本研究では, 複雑な複合劣化シナリオを正確に表現するために, 4つの物理劣化パラダイムを統合した多目的イメージングモデルを提案する。 OneRestoreは、適応的で制御可能なシーン復元のために設計された新しいトランスフォーマーベースのフレームワークである。
  論文  参考訳（メタデータ） (2024-07-05T16:27:00Z)
• DR2: Diffusion-based Robust Degradation Remover for Blind Face Restoration [66.01846902242355]
  ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。 トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。 本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T06:05:18Z)
• Invertible Rescaling Network and Its Extensions [118.72015270085535]
  本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。 我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。 そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
  論文  参考訳（メタデータ） (2022-10-09T06:58:58Z)
• Designing a Practical Degradation Model for Deep Blind Image Super-Resolution [134.9023380383406]
  単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。 本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-25T17:40:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。