論文の概要: Towards Unified Image Deblurring using a Mixture-of-Experts Decoder

• arxiv url: http://arxiv.org/abs/2508.06228v1
• Date: Fri, 08 Aug 2025 11:15:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.2125
• Title: Towards Unified Image Deblurring using a Mixture-of-Experts Decoder
• Title（参考訳）: Mixture-of-Experts Decoder を用いた統合画像のデブロアリング
• Authors: Daniel Feijoo, Paula Garrido-Mellado, Jaesung Rim, Alvaro Garcia, Marcos V. Conde,
• Abstract要約: 多様なぼかし劣化による画像の復元を効率的に行うことのできる,最初のオールインワンデブロアリング手法を提案する。 本稿では,画像特徴を認識されたぼかし劣化に基づいて動的にルーティングするMix-of-experts (MoE)デコーディングモジュールを提案する。
• 参考スコア（独自算出の注目度）: 7.861273757638163
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image deblurring, removing blurring artifacts from images, is a fundamental task in computational photography and low-level computer vision. Existing approaches focus on specialized solutions tailored to particular blur types, thus, these solutions lack generalization. This limitation in current methods implies requiring multiple models to cover several blur types, which is not practical in many real scenarios. In this paper, we introduce the first all-in-one deblurring method capable of efficiently restoring images affected by diverse blur degradations, including global motion, local motion, blur in low-light conditions, and defocus blur. We propose a mixture-of-experts (MoE) decoding module, which dynamically routes image features based on the recognized blur degradation, enabling precise and efficient restoration in an end-to-end manner. Our unified approach not only achieves performance comparable to dedicated task-specific models, but also demonstrates remarkable robustness and generalization capabilities on unseen blur degradation scenarios.
• Abstract（参考訳）: 画像からぼやけたアーティファクトを取り除いた画像の劣化は、計算写真と低レベルのコンピュータビジョンの基本的な課題である。 既存のアプローチでは、特定のブラー型に適した特殊解に焦点が当てられているため、これらの解は一般化に欠ける。 現在の手法におけるこの制限は、複数のモデルにいくつかのブラータイプをカバーする必要があることを意味するが、実際の多くのシナリオでは実用的ではない。 本稿では,グローバルな動き,局所的な動き,低照度条件のぼやけ,デフォーカスのぼやけなど,多様なぼやけによる画像の回復を効率的に行うことのできる,最初のオールインワンデブロアリング手法を提案する。 本稿では,画像特徴を認識されたぼかし劣化に基づいて動的にルーティングし,エンドツーエンドで高精度かつ効率的に復元できるMix-of-experts (MoE)デコーディングモジュールを提案する。 我々の統合されたアプローチは、専用のタスク固有モデルに匹敵するパフォーマンスを達成するだけでなく、目に見えない曖昧な劣化シナリオにおいて、顕著な堅牢性と一般化能力を示す。

関連論文リスト

• Nonlocal Retinex-Based Variational Model and its Deep Unfolding Twin for Low-Light Image Enhancement [3.174882428337821]
  本稿では,Retinex分解に基づく低照度画像強調のための変分法を提案する。 低照度画像に色補正前処理ステップを適用し、分解時に観察された入力として使用する。 我々は、演算子を学習可能なネットワークに置き換える深層展開モデルを導入することにより、モデルを拡張する。
  論文  参考訳（メタデータ） (2025-04-10T14:48:26Z)
• Exposure Bracketing Is All You Need For A High-Quality Image [50.822601495422916]
  マルチ露光画像は、デノイング、デブロアリング、高ダイナミックレンジイメージング、超解像において相補的である。 本研究では,これらの課題を組み合わせ,高品質な画像を得るために露光ブラケット写真を活用することを提案する。 特に時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Take a Prior from Other Tasks for Severe Blur Removal [52.380201909782684]
  知識蒸留に基づくクロスレベル特徴学習戦略 多レベルアグリゲーションとセマンティックアテンション変換によるセマンティック事前埋め込み層を効果的に統合する。 GoProやRealBlurのデータセットのような、自然な画像劣化ベンチマークと実世界の画像の実験は、我々の方法の有効性と能力を実証している。
  論文  参考訳（メタデータ） (2023-02-14T08:30:51Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• Single Image Non-uniform Blur Kernel Estimation via Adaptive Basis Decomposition [1.854931308524932]
  本研究では,高密度な非一様運動ボケ推定のための一般非パラメトリックモデルを提案する。 提案手法は,既存の不均一な動きのぼかし推定の限界を克服することを示す。
  論文  参考訳（メタデータ） (2021-02-01T18:02:31Z)

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。