論文の概要: BIR-Adapter: A Low-Complexity Diffusion Model Adapter for Blind Image Restoration

• arxiv url: http://arxiv.org/abs/2509.06904v1
• Date: Mon, 08 Sep 2025 17:22:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.283428
• Title: BIR-Adapter: A Low-Complexity Diffusion Model Adapter for Blind Image Restoration
• Title（参考訳）: BIR-Adapter:ブラインド画像復元のための低複雑さ拡散モデルアダプタ
• Authors: Cem Eteke, Alexander Griessel, Wolfgang Kellerer, Eckehard Steinbach,
• Abstract要約: BIR-Adapterは拡散モデルのための低複雑さのブラインド画像復元アダプタである。 我々は、事前訓練されたモデルの頑健さを利用して、モデル自体を通じて劣化した画像から特徴を抽出する。 我々は,BIR-Adapterが最先端手法と比較して,競争力や性能を向上できることを実証した。
• 参考スコア（独自算出の注目度）: 45.611414229634796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces BIR-Adapter, a low-complexity blind image restoration adapter for diffusion models. The BIR-Adapter enables the utilization of the prior of pre-trained large-scale diffusion models on blind image restoration without training any auxiliary feature extractor. We take advantage of the robustness of pretrained models. We extract features from degraded images via the model itself and extend the self-attention mechanism with these degraded features. We introduce a sampling guidance mechanism to reduce hallucinations. We perform experiments on synthetic and real-world degradations and demonstrate that BIR-Adapter achieves competitive or better performance compared to state-of-the-art methods while having significantly lower complexity. Additionally, its adapter-based design enables integration into other diffusion models, enabling broader applications in image restoration tasks. We showcase this by extending a super-resolution-only model to perform better under additional unknown degradations.
• Abstract（参考訳）: 本稿では,拡散モデルのための低複雑さブラインド画像復元アダプタであるBIR-Adapterを紹介する。 BIR-Adapterは、補助的特徴抽出器を訓練することなく、ブラインド画像復元に事前訓練済みの大規模拡散モデルの活用を可能にする。 事前訓練されたモデルの堅牢性を活用します。 モデル自体を介して劣化画像から特徴を抽出し、これらの劣化特徴を用いて自己認識機構を拡張する。 幻覚を減らすためのサンプリング誘導機構を導入する。 合成および実世界の劣化実験を行い、BIR-Adapterは最先端の手法と比較して競争力や性能が向上し、複雑さは著しく低下することを示した。 さらに、アダプタベースの設計は、他の拡散モデルとの統合を可能にし、画像復元タスクの幅広い応用を可能にする。 超解像のみのモデルを拡張して、未知の劣化に対してより良い性能を実現することで、これを実証する。

関連論文リスト

• Diffusion Once and Done: Degradation-Aware LoRA for Efficient All-in-One Image Restoration [14.922600858354983]
  Diffusion Once and Done (DOD) 法は, 安定拡散(SD)モデルの1段階サンプリングのみで, 優れた復元性能を実現することを目的としている。 本手法は,視覚的品質と推論効率の両方において,既存の拡散型修復手法よりも優れる。
  論文  参考訳（メタデータ） (2025-08-05T12:26:28Z)
• Adaptive Blind All-in-One Image Restoration [15.726917603679716]
  ブラインドオールインワン画像復元モデルは、未知の歪みで劣化した入力から高品質な画像を復元することを目的としている。 ABAIRは、単純で効果的な適応型ブラインドオールインワン修復モデルであり、複数の劣化を処理し、目に見えない歪みをうまく一般化する。 提案モデルは,5段と3段のIR構成における最先端性能を上回るだけでなく,目に見えない劣化や複合歪みに対して優れた一般化を示す。
  論文  参考訳（メタデータ） (2024-11-27T14:58:08Z)
• LoRA-IR: Taming Low-Rank Experts for Efficient All-in-One Image Restoration [62.3751291442432]
  高速なオールインワン画像復元を実現するために,コンパクトな低ランクの専門家を動的に活用する,フレキシブルなフレームワークであるLoRA-IRを提案する。 LoRA-IRは、劣化誘導前訓練とパラメータ効率の良い微調整の2つの訓練段階で構成されている。 実験により、LoRA-IRは計算効率を維持しつつ、14のIRタスクと29のベンチマークでSOTA性能を達成することが示された。
  論文  参考訳（メタデータ） (2024-10-20T13:00:24Z)
• Taming Generative Diffusion Prior for Universal Blind Image Restoration [4.106012295148947]
  BIR-Dはマルチ誘導ブラインド画像復元を実現することができる。 また、複数の複雑な分解を行うイメージを復元し、実用的な応用を実証することができる。
  論文  参考訳（メタデータ） (2024-08-21T02:19:54Z)
• Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
  我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。 このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。 様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2023-08-28T08:47:06Z)
• Diffusion Models for Image Restoration and Enhancement: A Comprehensive Survey [73.86861112002593]
  本稿では,近年の拡散モデルに基づく画像復元手法について概観する。 我々は、赤外線とブラインド/現実世界の両方で拡散モデルを用いて、革新的なデザインを分類し、強調する。 本稿では,拡散モデルに基づくIRの今後の研究に向けた5つの可能性と課題を提案する。
  論文  参考訳（メタデータ） (2023-08-18T08:40:38Z)

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。