論文の概要: Robust Adverse Weather Removal via Spectral-based Spatial Grouping

• arxiv url: http://arxiv.org/abs/2507.22498v1
• Date: Wed, 30 Jul 2025 09:08:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.107556
• Title: Robust Adverse Weather Removal via Spectral-based Spatial Grouping
• Title（参考訳）: スペクトルに基づく空間グルーピングによるロバストな逆気象除去
• Authors: Yuhwan Jeong, Yunseo Yang, Youngjo Yoon, Kuk-Jin Yoon,
• Abstract要約: 逆気象条件は多様で複雑な劣化パターンを引き起こし、オールインワン(AiO)モデルの開発を促進する。 近年のAiOソリューションは、大域的なフィルタリング手法では高度に可変かつ局所的な歪みを処理できないため、様々な劣化を捉えるのに苦慮している。 マルチウェザー画像復元にスペクトル分解とグループワイズを利用した新しい手法であるスペクトルベース空間群変換器(SSGformer)を提案する。
• 参考スコア（独自算出の注目度）: 36.389069113351745
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Adverse weather conditions cause diverse and complex degradation patterns, driving the development of All-in-One (AiO) models. However, recent AiO solutions still struggle to capture diverse degradations, since global filtering methods like direct operations on the frequency domain fail to handle highly variable and localized distortions. To address these issue, we propose Spectral-based Spatial Grouping Transformer (SSGformer), a novel approach that leverages spectral decomposition and group-wise attention for multi-weather image restoration. SSGformer decomposes images into high-frequency edge features using conventional edge detection and low-frequency information via Singular Value Decomposition. We utilize multi-head linear attention to effectively model the relationship between these features. The fused features are integrated with the input to generate a grouping-mask that clusters regions based on the spatial similarity and image texture. To fully leverage this mask, we introduce a group-wise attention mechanism, enabling robust adverse weather removal and ensuring consistent performance across diverse weather conditions. We also propose a Spatial Grouping Transformer Block that uses both channel attention and spatial attention, effectively balancing feature-wise relationships and spatial dependencies. Extensive experiments show the superiority of our approach, validating its effectiveness in handling the varied and intricate adverse weather degradations.
• Abstract（参考訳）: 逆気象条件は多様で複雑な劣化パターンを引き起こし、オールインワン(AiO)モデルの開発を促進する。 しかし、近年のAiOソリューションは、周波数領域上の直接演算のようなグローバルなフィルタリング手法では、高度に可変かつ局所的な歪みを処理できないため、様々な劣化を捉えるのに苦慮している。 これらの課題に対処するために,スペクトル分解とグループ的注意力を利用したマルチウェザー画像復元手法であるSSGformer(Spectral-based Spatial Grouping Transformer)を提案する。 SSGformerは、従来のエッジ検出とSingular Value Decompositionによる低周波情報を用いて、画像を高周波エッジ特徴に分解する。 我々は、これらの特徴間の関係を効果的にモデル化するために、マルチヘッド線形注意を利用する。 融合した特徴を入力と統合して、空間的類似性と画像テクスチャに基づいて領域をクラスタ化するグルーピングマスクを生成する。 このマスクをフル活用するために,グループワイドアテンション機構を導入し,ロバストな悪天候除去を実現し,多様な気象条件における一貫した性能を確保する。 また,チャネルアテンションと空間アテンションの両方を利用し,特徴量関係と空間依存性を効果的にバランスさせる空間グルーピングトランスフォーマーブロックを提案する。 広範囲にわたる実験により,我々のアプローチの優位性が示され,多種多様かつ複雑な悪天候の悪化に対処する上での有効性が検証された。

関連論文リスト

• Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
  そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。 拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
  論文  参考訳（メタデータ） (2025-07-02T01:22:46Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• Dual-Domain Masked Image Modeling: A Self-Supervised Pretraining Strategy Using Spatial and Frequency Domain Masking for Hyperspectral Data [35.34526230299484]
  本稿では,ラベルなしデータの大部分を利用するハイパースペクトルデータに対する自己教師付き事前学習戦略を提案する。 本稿では,空間領域と周波数領域の両方で動作する新しい二重ドメインマスキング機構を提案する。 提案手法を3つの公開HSI分類ベンチマークで評価し,現状の性能を実証した。
  論文  参考訳（メタデータ） (2025-05-06T06:24:21Z)
• A Diffusion-Based Framework for Terrain-Aware Remote Sensing Image Reconstruction [4.824120664293887]
  SatelliteMakerは、さまざまなレベルのデータ損失で失われたデータを再構成する拡散ベースの方法である。 条件入力としてのDEM(Digital Elevation Model)は、リアルな画像を生成するために調整されたプロンプトを使用する。 分散損失に基づくVGG-Adapterモジュール。
  論文  参考訳（メタデータ） (2025-04-16T14:19:57Z)
• Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
  逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-12-28T14:23:58Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Holistic Dynamic Frequency Transformer for Image Fusion and Exposure Correction [18.014481087171657]
  露出関連問題の修正は、画像の品質向上における重要な要素である。 本稿では、周波数領域を利用して露出補正タスクの処理を改善し、統一する新しい手法を提案する。 提案手法は, 露光補正においてより高度で統一された解を実現する方法である。
  論文  参考訳（メタデータ） (2023-09-03T14:09:14Z)
• Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
  ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2023-04-03T09:42:13Z)

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。