論文の概要: TDiff: Thermal Plug-And-Play Prior with Patch-Based Diffusion

• arxiv url: http://arxiv.org/abs/2510.06460v1
• Date: Tue, 07 Oct 2025 20:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.199168
• Title: TDiff: Thermal Plug-And-Play Prior with Patch-Based Diffusion
• Title（参考訳）: TDiff: パッチベースの拡散に先立つ熱プラグアンドプレイ
• Authors: Piyush Dashpute, Niki Nezakati, Wolfgang Heidrich, Vishwanath Saragadam,
• Abstract要約: 本稿では,これらの歪みの局所特性を,小さな熱パッチのトレーニングにより活用するパッチベース拡散フレームワーク(TDiff)を提案する。 重なり合うパッチをデノベートし、スムーズな空間ウィンドウリングでブレンドすることで、フルレゾリューション画像が復元される。 デノイング、超解像、デブロアリングの実験は、シミュレーションと実際の熱データの両方に強い結果を示す。
• 参考スコア（独自算出の注目度）: 13.921428908649455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thermal images from low-cost cameras often suffer from low resolution, fixed pattern noise, and other localized degradations. Available datasets for thermal imaging are also limited in both size and diversity. To address these challenges, we propose a patch-based diffusion framework (TDiff) that leverages the local nature of these distortions by training on small thermal patches. In this approach, full-resolution images are restored by denoising overlapping patches and blending them using smooth spatial windowing. To our knowledge, this is the first patch-based diffusion framework that models a learned prior for thermal image restoration across multiple tasks. Experiments on denoising, super-resolution, and deblurring demonstrate strong results on both simulated and real thermal data, establishing our method as a unified restoration pipeline.
• Abstract（参考訳）: 低コストカメラの熱画像は、しばしば低解像度、固定されたパターンノイズ、その他の局所的な劣化に悩まされる。 利用可能な熱画像のデータセットは、サイズと多様性の両方に制限される。 これらの課題に対処するために、小さな熱パッチをトレーニングすることで、これらの歪みの局所的性質を活用するパッチベースの拡散フレームワーク(TDiff)を提案する。 このアプローチでは、重なり合うパッチをデノベートし、スムーズな空間ウィンドウでブレンドすることで、フル解像度の画像を復元する。 われわれの知る限り、これは複数のタスクにわたる熱画像復元のために学習した事前学習をモデル化する最初のパッチベースの拡散フレームワークである。 超高分解能・高分解能・高分解能化実験は,シミュレーションデータと実熱データの両方に強い効果を示し,本手法を統一修復パイプラインとして確立した。

関連論文リスト

• TIR-Diffusion: Diffusion-based Thermal Infrared Image Denoising via Latent and Wavelet Domain Optimization [11.970228442183476]
  本稿では拡散型TIR画像復調フレームワークを提案する。 提案手法は、遅延空間と離散ウェーブレット変換(DWT)/二重ツリー複合ウェーブレット変換(DTCWT)の損失を組み合わせた新しい損失関数を用いてモデルを微調整する。 ベンチマークデータセットの実験は、最先端のデノナイジング手法と比較して、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-07-30T06:27:32Z)
• DoubleDiffusion: Combining Heat Diffusion with Denoising Diffusion for Texture Generation on 3D Meshes [67.39455433337316]
  本稿では,3次元メッシュ上でテクスチャを直接生成する手法を提案する。 この手法を生成拡散パイプラインに統合することにより,テクスチャ生成の効率を大幅に向上する。
  論文  参考訳（メタデータ） (2025-01-06T21:34:52Z)
• Denoising Monte Carlo Renders with Diffusion Models [5.228564799458042]
  物理的にベースとしたレンダリングはモンテカルロノイズを含み、ピクセル当たりの光の数が減少するにつれてばらつきが増す。 このノイズは、良い現代人にはゼロ平均だが、重い尾を持つことがある。 拡散モデルが低忠実度レンダリングをうまく認知できることを実証する。
  論文  参考訳（メタデータ） (2024-03-30T23:19:40Z)
• Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
  Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。 我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。 我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
  論文  参考訳（メタデータ） (2023-09-18T09:36:24Z)
• Real-World Denoising via Diffusion Model [14.722529440511446]
  実世界のイメージデノイングは、自然の環境で撮影されたノイズの多い画像からクリーンなイメージを復元することを目的としている。 拡散モデルは画像生成の分野で非常に有望な結果を得た。 本稿では,実世界の画像のデノナイズに使用可能な,新しい一般デノナイズ拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-08T04:48:03Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• Restoring Vision in Adverse Weather Conditions with Patch-Based Denoising Diffusion Models [8.122270502556374]
  本稿では,拡散確率モデルに基づく新しいパッチベースの画像復元アルゴリズムを提案する。 我々は,気象特性とマルチウェザー画像復元の両面において,最先端の性能を実現するためのアプローチを実証する。
  論文  参考訳（メタデータ） (2022-07-29T11:52:41Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)
• Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
  このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。 乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T15:25:08Z)

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。