論文の概要: Degradation-Aware All-in-One Image Restoration via Latent Prior Encoding

• arxiv url: http://arxiv.org/abs/2509.17792v1
• Date: Mon, 22 Sep 2025 13:51:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.424003
• Title: Degradation-Aware All-in-One Image Restoration via Latent Prior Encoding
• Title（参考訳）: 遅延プリエンコーディングによるオールインワン画像の劣化認識
• Authors: S M A Sharif, Abdur Rehman, Fayaz Ali Dharejo, Radu Timofte, Rizwan Ali Naqvi,
• Abstract要約: 現実のイメージはしばしば、ヘイズ、雨、雪、低光といった空間的に多様な劣化に悩まされる。 既存のオールインワンの復元アプローチは、外部のテキストプロンプトに依存するか、手作りのアーキテクチャの先行を組み込むかのいずれかである。 劣化認識表現が自動的に入力から推測されるような、学習済みの事前推論としてAIRを再設計することを提案する。
• 参考スコア（独自算出の注目度）: 46.146259918814735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world images often suffer from spatially diverse degradations such as haze, rain, snow, and low-light, significantly impacting visual quality and downstream vision tasks. Existing all-in-one restoration (AIR) approaches either depend on external text prompts or embed hand-crafted architectural priors (e.g., frequency heuristics); both impose discrete, brittle assumptions that weaken generalization to unseen or mixed degradations. To address this limitation, we propose to reframe AIR as learned latent prior inference, where degradation-aware representations are automatically inferred from the input without explicit task cues. Based on latent priors, we formulate AIR as a structured reasoning paradigm: (1) which features to route (adaptive feature selection), (2) where to restore (spatial localization), and (3) what to restore (degradation semantics). We design a lightweight decoding module that efficiently leverages these latent encoded cues for spatially-adaptive restoration. Extensive experiments across six common degradation tasks, five compound settings, and previously unseen degradations demonstrate that our method outperforms state-of-the-art (SOTA) approaches, achieving an average PSNR improvement of 1.68 dB while being three times more efficient.
• Abstract（参考訳）: 現実のイメージはしばしば、ヘイズ、雨、雪、低照度といった空間的に多様な劣化に悩まされ、視覚的品質や下流の視覚タスクに大きな影響を与えます。 既存のオールインワン修復(AIR)アプローチは、外部のテキストプロンプトに依存するか、手作りのアーキテクチャ先行(例えば周波数ヒューリスティック)を組み込む。 この制限に対処するため、我々はAIRを学習済みの事前推論として再設計することを提案し、そこでは、劣化認識表現が明示的なタスクキューなしで入力から自動的に推論される。 1)経路(適応的な特徴選択)、(2)回復する場所(空間的局所化)、(3)回復する場所(劣化セマンティクス)である。 我々は、空間適応的な復元のために、これらの潜伏符号化キューを効率的に活用する軽量復号モジュールを設計する。 6つの共通劣化タスク,5つの複合条件,およびそれ以前の未確認劣化に対する広範囲な実験により,本手法は最先端(SOTA)アプローチより優れ,PSNR平均1.68dBの改善を実現し,効率は3倍に向上した。

関連論文リスト

• Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
  画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける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。 我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。 このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
  論文  参考訳（メタデータ） (2025-05-24T12:52:10Z)
• PromptHSI: Universal Hyperspectral Image Restoration with Vision-Language Modulated Frequency Adaptation [28.105125164852367]
  本稿では,初のユニバーサルAiO HSI復元フレームワークであるPromptHSIを提案する。 提案手法では,テキストプロンプトを強度とバイアスコントローラに分解し,回復過程を効果的に導く。 我々のアーキテクチャは、さまざまな劣化シナリオにおいて、きめ細かい回復とグローバルな情報復元の両方に優れています。
  論文  参考訳（メタデータ） (2024-11-24T17:08:58Z)
• All-in-one Weather-degraded Image Restoration via Adaptive Degradation-aware Self-prompting Model [23.940339806402882]
  オールインワンの気象劣化画像復元のための既存のアプローチは、劣化認識の事前利用における非効率性に悩まされている。 我々は、オールインワンの気象劣化画像復元のための適応型劣化認識自己プロンプトモデル(ADSM)を開発した。
  論文  参考訳（メタデータ） (2024-11-12T00:07:16Z)
• 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)
• Cross-Consistent Deep Unfolding Network for Adaptive All-In-One Video Restoration [78.14941737723501]
  オールインワンVRのためのクロスコンセントディープ・アンフォールディング・ネットワーク(CDUN)を提案する。 2つのカスケード手順を編成することにより、CDUNは様々な劣化に対する適応的な処理を達成する。 さらに、より隣接するフレームからの情報を活用するために、ウィンドウベースのフレーム間融合戦略を導入する。
  論文  参考訳（メタデータ） (2023-09-04T14:18:00Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)

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。