論文の概要: Reversing Flow for Image Restoration

• arxiv url: http://arxiv.org/abs/2506.16961v1
• Date: Fri, 20 Jun 2025 12:51:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.447134
• Title: Reversing Flow for Image Restoration
• Title（参考訳）: 画像復元のための逆流
• Authors: Haina Qin, Wenyang Luo, Libin Wang, Dandan Zheng, Jingdong Chen, Ming Yang, Bing Li, Weiming Hu,
• Abstract要約: 画像復元は、劣化の影響を逆転させることで、劣化した低品質(LQ)画像から高品質(HQ)画像を復元することを目的としている。 拡散やスコアベースモデルを含む既存の画像復元のための生成モデルは、分解過程を決定論的変換として扱うことが多い。 本研究では,劣化過程を連続正規化フローを用いた決定論的経路としてモデル化する新しい画像復元フレームワークResFlowを提案する。
• 参考スコア（独自算出の注目度）: 44.46428058881558
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image restoration aims to recover high-quality (HQ) images from degraded low-quality (LQ) ones by reversing the effects of degradation. Existing generative models for image restoration, including diffusion and score-based models, often treat the degradation process as a stochastic transformation, which introduces inefficiency and complexity. In this work, we propose ResFlow, a novel image restoration framework that models the degradation process as a deterministic path using continuous normalizing flows. ResFlow augments the degradation process with an auxiliary process that disambiguates the uncertainty in HQ prediction to enable reversible modeling of the degradation process. ResFlow adopts entropy-preserving flow paths and learns the augmented degradation flow by matching the velocity field. ResFlow significantly improves the performance and speed of image restoration, completing the task in fewer than four sampling steps. Extensive experiments demonstrate that ResFlow achieves state-of-the-art results across various image restoration benchmarks, offering a practical and efficient solution for real-world applications.
• Abstract（参考訳）: 画像復元は、劣化の影響を逆転させることで、劣化した低品質(LQ)画像から高品質(HQ)画像を復元することを目的としている。 拡散やスコアベースモデルを含む既存の画像復元のための生成モデルは、分解過程を確率変換として扱い、非効率性と複雑さをもたらす。 本研究では,劣化過程を連続正規化フローを用いた決定論的経路としてモデル化する新しい画像復元フレームワークResFlowを提案する。 ResFlowは、分解プロセスの可逆的モデリングを可能にするために、HQ予測の不確実性を曖昧にする補助的なプロセスで分解プロセスを強化します。 ResFlowはエントロピー保存フローパスを採用し、速度場にマッチして拡張劣化フローを学習する。 ResFlowは画像復元の性能と速度を大幅に改善し、4段階未満でタスクを完了させる。 大規模な実験により、ResFlowはさまざまなイメージ復元ベンチマークで最先端の結果を達成し、現実のアプリケーションに実用的で効率的なソリューションを提供する。

関連論文リスト

• UniRes: Universal Image Restoration for Complex Degradations [53.74404005987783]
  実世界のイメージ復元は、様々なキャプチャ条件、キャプチャデバイス、後処理パイプラインから生じるさまざまな劣化によって妨げられている。 UniResという名前の、シンプルで柔軟な拡散ベースのフレームワークは、このような劣化をエンドツーエンドで解決するために提案されている。 提案手法は, 複合劣化画像復元データセットと単分解画像復元データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2025-06-05T21:25:39Z)
• Frequency-Guided Posterior Sampling for Diffusion-Based Image Restoration [32.50204554102937]
  本稿では,既存の拡散型修復法に対する簡単な修正を提案する。 本手法では,周波数領域における時間変化の少ない低域通過フィルタを提案する。 本稿では,その基礎となるデータ分布に基づいて,この周波数スケジュールの適応カリキュラムを開発する。
  論文  参考訳（メタデータ） (2024-11-22T18:31:02Z)
• 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)
• Diff-Restorer: Unleashing Visual Prompts for Diffusion-based Universal Image Restoration [19.87693298262894]
  拡散モデルに基づく普遍的な画像復元手法であるDiff-Restorerを提案する。 我々は、事前学習された視覚言語モデルを用いて、劣化した画像から視覚的プロンプトを抽出する。 また、デグレーション対応デコーダを設計し、構造的補正を行い、潜在コードをピクセル領域に変換する。
  論文  参考訳（メタデータ） (2024-07-04T05:01:10Z)
• Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
  本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。 提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。 提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-12T05:06:07Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Inversion by Direct Iteration: An Alternative to Denoising Diffusion for Image Restoration [22.709205282657617]
  Inversion by Direct Iteration (InDI)は、教師付き画像復元のための新しい定式化である。 既存の回帰ベースの手法よりもリアルで詳細な画像を生成する。
  論文  参考訳（メタデータ） (2023-03-20T20:28:17Z)
• Invertible Image Rescaling [118.2653765756915]
  Invertible Rescaling Net (IRN) を開発した。 我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
  論文  参考訳（メタデータ） (2020-05-12T09:55:53Z)

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。