論文の概要: MODEM: A Morton-Order Degradation Estimation Mechanism for Adverse Weather Image Recovery

• arxiv url: http://arxiv.org/abs/2505.17581v1
• Date: Fri, 23 May 2025 07:43:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:33.901786
• Title: MODEM: A Morton-Order Degradation Estimation Mechanism for Adverse Weather Image Recovery
• Title（参考訳）: MODEM: 逆気象画像復元のためのモートン次劣化推定機構
• Authors: Hainuo Wang, Qiming Hu, Xiaojie Guo,
• Abstract要約: 悪天候画像復元のためのMODEM(Morton-Order Degradation Estimation Mechanism)を提案する。 ModeMは、モートン符号化された空間秩序と選択的な状態空間モデルを統合して、長距離依存関係をキャプチャする。 本稿では,大域的・局所的な劣化事前を分離・推定するDual Degradation Estimation Module(DDEM)を提案する。
• 参考スコア（独自算出の注目度）: 10.977992530407793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Restoring images degraded by adverse weather remains a significant challenge due to the highly non-uniform and spatially heterogeneous nature of weather-induced artifacts, e.g., fine-grained rain streaks versus widespread haze. Accurately estimating the underlying degradation can intuitively provide restoration models with more targeted and effective guidance, enabling adaptive processing strategies. To this end, we propose a Morton-Order Degradation Estimation Mechanism (MODEM) for adverse weather image restoration. Central to MODEM is the Morton-Order 2D-Selective-Scan Module (MOS2D), which integrates Morton-coded spatial ordering with selective state-space models to capture long-range dependencies while preserving local structural coherence. Complementing MOS2D, we introduce a Dual Degradation Estimation Module (DDEM) that disentangles and estimates both global and local degradation priors. These priors dynamically condition the MOS2D modules, facilitating adaptive and context-aware restoration. Extensive experiments and ablation studies demonstrate that MODEM achieves state-of-the-art results across multiple benchmarks and weather types, highlighting its effectiveness in modeling complex degradation dynamics. Our code will be released at https://github.com/hainuo-wang/MODEM.git.
• Abstract（参考訳）: 悪天候により劣化した画像の復元は、気象によって引き起こされるアーティファクトの高度に一様で空間的に不均一な性質、例えば、細粒の雨天と広範囲のヘイズのために重要な課題である。 根底にある劣化を正確に推定すると、よりターゲットを絞った効果的なガイダンスを備えた復元モデルが直感的に提供され、適応的な処理戦略が実現される。 そこで本研究では,悪天候画像復元のためのMODEM(Morton-Order Degradation Estimation Mechanism)を提案する。 MODEMの中心はMorton-Order 2D-Selective-Scan Module (MOS2D)であり、Morton-coded空間秩序と選択的な状態空間モデルを統合し、局所的な構造コヒーレンスを保ちながら長距離依存関係をキャプチャする。 MOS2Dを補完するDual Degradation Estimation Module (DDEM)を導入する。 これらのプリエントは、MOS2Dモジュールを動的に条件付けし、適応性とコンテキスト認識の復元を容易にする。 大規模な実験とアブレーション研究により、MODEMは複数のベンチマークや気象タイプにまたがって最先端の結果を達成し、複雑な劣化ダイナミクスのモデリングにおけるその効果を強調している。 私たちのコードはhttps://github.com/hainuo-wang/MODEM.git.comでリリースされます。

関連論文リスト

• Can AI be enabled to dynamical downscaling? A Latent Diffusion Model to mimic km-scale COSMO5.0\_CLM9 simulations [0.0]
  ダウンスケーリング技術は、地球システムモデリングにおけるディープラーニング(DL)の最も顕著な応用の1つである。 本研究では,イタリア上空のERA5データを2kmまでダウンスケールするために,LDM(Latent Diffusion Model)を適用した。 我々のゴールは、最近の生成モデリングの進歩により、DLが数値力学モデルに匹敵する結果をもたらすことを実証することである。
  論文  参考訳（メタデータ） (2024-06-19T15:20:28Z)
• A-SDM: Accelerating Stable Diffusion through Model Assembly and Feature Inheritance Strategies [51.7643024367548]
  安定拡散モデルは、テキスト・ツー・イメージ(T2I)と画像・ツー・イメージ(I2I)生成のための一般的かつ効果的なモデルである。 本研究では、SDMにおける冗長計算の削減と、チューニング不要とチューニング不要の両方の手法によるモデルの最適化に焦点をあてる。
  論文  参考訳（メタデータ） (2024-05-31T21:47:05Z)
• Image Deraining with Frequency-Enhanced State Space Model [2.9465623430708905]
  本研究では,画像デライニングによる画像デライニングにSSMを導入し,DFSSM(Deraining Frequency-Enhanced State Space Model)を提案する。 我々は,複数のカーネルサイズを持つ畳み込みを用いて,様々なスケールの劣化を効果的に捕捉する,新しい混合スケールゲート畳み込みブロックを開発した。 合成および実世界の雨天画像データセットの実験により,我々の手法が最先端の手法を超越していることが判明した。
  論文  参考訳（メタデータ） (2024-05-26T07:45:12Z)
• Towards Robust and Efficient Cloud-Edge Elastic Model Adaptation via Selective Entropy Distillation [56.79064699832383]
  Cloud-Edge Elastic Model Adaptation (CEMA)パラダイムを確立し、エッジモデルが前方伝播のみを実行するようにします。 CEMAでは,通信負担を軽減するため,不要なサンプルをクラウドにアップロードすることを避けるための2つの基準を考案した。
  論文  参考訳（メタデータ） (2024-02-27T08:47:19Z)
• A Neural PDE Solver with Temporal Stencil Modeling [44.97241931708181]
  最近の機械学習(ML)モデルでは、高解像度信号において重要なダイナミクスを捉えることが約束されている。 この研究は、低解像度のダウンサンプリング機能で重要な情報が失われることがしばしばあることを示している。 本稿では,高度な時系列シーケンスモデリングと最先端のニューラルPDEソルバの強みを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-02-16T06:13:01Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)

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。