論文の概要: IRBridge: Solving Image Restoration Bridge with Pre-trained Generative Diffusion Models

• arxiv url: http://arxiv.org/abs/2505.24406v1
• Date: Fri, 30 May 2025 09:45:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.883026
• Title: IRBridge: Solving Image Restoration Bridge with Pre-trained Generative Diffusion Models
• Title（参考訳）: IRBridge: 事前学習型生成拡散モデルによる画像復元ブリッジの解法
• Authors: Hanting Wang, Tao Jin, Wang Lin, Shulei Wang, Hai Huang, Shengpeng Ji, Zhou Zhao,
• Abstract要約: 画像復元におけるブリッジモデルは、劣化画像からクリア画像への拡散過程を構築する。 既存の手法では、特定の種類の劣化に対して、スクラッチからブリッジモデルをトレーニングする必要があります。 IRBridgeフレームワークを導入し、画像復元ブリッジ内で生成モデルの直接利用を可能にする。
• 参考スコア（独自算出の注目度）: 43.84154970740943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bridge models in image restoration construct a diffusion process from degraded to clear images. However, existing methods typically require training a bridge model from scratch for each specific type of degradation, resulting in high computational costs and limited performance. This work aims to efficiently leverage pretrained generative priors within existing image restoration bridges to eliminate this requirement. The main challenge is that standard generative models are typically designed for a diffusion process that starts from pure noise, while restoration tasks begin with a low-quality image, resulting in a mismatch in the state distributions between the two processes. To address this challenge, we propose a transition equation that bridges two diffusion processes with the same endpoint distribution. Based on this, we introduce the IRBridge framework, which enables the direct utilization of generative models within image restoration bridges, offering a more flexible and adaptable approach to image restoration. Extensive experiments on six image restoration tasks demonstrate that IRBridge efficiently integrates generative priors, resulting in improved robustness and generalization performance. Code will be available at GitHub.
• Abstract（参考訳）: 画像復元におけるブリッジモデルは、劣化画像からクリア画像への拡散過程を構築する。 しかし、既存の手法では、特定の種類の劣化に対して、スクラッチからブリッジモデルを訓練する必要があるため、計算コストが高く、性能が制限される。 本研究は, 既存の画像復元ブリッジにおいて, 事前学習を効果的に活用することを目的としている。 主な課題は、標準的な生成モデルは、通常、純粋なノイズから始まる拡散過程のために設計され、復元タスクは低品質の画像から始まり、2つのプロセス間の状態分布のミスマッチをもたらすことである。 この課題に対処するために、同じエンドポイント分布で2つの拡散過程をブリッジする遷移方程式を提案する。 そこで本研究では,画像復元ブリッジ内で生成モデルの直接利用を可能にするIRBridgeフレームワークを導入し,より柔軟で適応性の高い画像復元手法を提案する。 6つの画像復元タスクに関する大規模な実験により、IRBridgeは効率よく生成前処理を統合し、ロバスト性や一般化性能を改善した。 コードはGitHubで入手できる。

関連論文リスト

• An Ordinary Differential Equation Sampler with Stochastic Start for Diffusion Bridge Models [13.00429687431982]
  拡散ブリッジモデルは、純粋なガウスノイズではなく、劣化した画像から生成過程を初期化する。 既存の拡散ブリッジモデルは、しばしば微分方程式のサンプリングに頼り、推論速度が遅くなる。 拡散ブリッジモデルの開始点を有する高次ODEサンプリング器を提案する。 本手法は, 既訓練拡散ブリッジモデルと完全に互換性があり, 追加の訓練は不要である。
  論文  参考訳（メタデータ） (2024-12-28T03:32:26Z)
• Enhanced Control for Diffusion Bridge in Image Restoration [4.480905492503335]
  特殊な拡散ブリッジモデルにより、画像復元がより進んだ結果が得られた。 本稿では,低画質画像を条件として拡散ブリッジの制御性を向上させるECDBモデルを提案する。 実験結果から,多くの画像復元作業においてECDBモデルが最先端の結果を得たことが証明された。
  論文  参考訳（メタデータ） (2024-08-29T07:09:33Z)
• Timestep-Aware Diffusion Model for Extreme Image Rescaling [47.89362819768323]
  本稿では,時間認識拡散モデル(TADM)と呼ばれる,画像再スケーリングのための新しいフレームワークを提案する。 TADMは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を行う。 これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
  論文  参考訳（メタデータ） (2024-08-17T09:51:42Z)
• Implicit Image-to-Image Schrodinger Bridge for Image Restoration [13.138398298354113]
  我々は,Imlicit Image-to-Image Schr"odinger Bridge (I$3$SB)を導入し,I$2$SBの生成過程をさらに加速する。 I$3$SB は生成過程を生成過程に初期劣化した画像を各生成段階に組み込むことで非マルコフフレームワークに再構成する。 I$2$SBと比較すると、I$3$SBはより少ない生成ステップで同じ知覚品質を達成しつつ、根本真実への忠実さを維持したり改善したりすることができる。
  論文  参考訳（メタデータ） (2024-03-10T03:22:57Z)
• Steered Diffusion: A Generalized Framework for Plug-and-Play Conditional Image Synthesis [62.07413805483241]
  Steered Diffusionは、無条件生成のために訓練された拡散モデルを用いたゼロショット条件画像生成のためのフレームワークである。 塗装,着色,テキスト誘導セマンティック編集,画像超解像などのタスクに対して,ステアリング拡散を用いた実験を行った。
  論文  参考訳（メタデータ） (2023-09-30T02:03:22Z)
• DriftRec: Adapting diffusion models to blind JPEG restoration [16.596100244509575]
  拡散モデルの高忠実度生成能力を利用して、高圧縮レベルでのブラインドJPEG復元を解く。 提案手法は, ぼやけた画像を生成する他の手法の傾向を回避でき, クリーンな画像の分布をより忠実に再現できることを示す。
  論文  参考訳（メタデータ） (2022-11-12T22:29:42Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。