論文の概要: Clear Roads, Clear Vision: Advancements in Multi-Weather Restoration for Smart Transportation

• arxiv url: http://arxiv.org/abs/2510.09228v1
• Date: Fri, 10 Oct 2025 10:15:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.693437
• Title: Clear Roads, Clear Vision: Advancements in Multi-Weather Restoration for Smart Transportation
• Title（参考訳）: クリアロードとクリアビジョン:スマートトランスポーテーションのためのマルチウェザー修復の進歩
• Authors: Vijay M. Galshetwar, Praful Hambarde, Prashant W. Patil, Akshay Dudhane, Sachin Chaudhary, Santosh Kumar Vipparathi, Subrahmanyam Murala,
• Abstract要約: 逆の気象条件は、画像やビデオの品質を著しく低下させる。 これらの劣化は、自動運転、交通監視、監視といった重要な応用に影響を及ぼす。 本研究は、気象による視覚障害を軽減するために開発された画像と映像の復元技術について概説する。
• 参考スコア（独自算出の注目度）: 20.96878564129068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adverse weather conditions such as haze, rain, and snow significantly degrade the quality of images and videos, posing serious challenges to intelligent transportation systems (ITS) that rely on visual input. These degradations affect critical applications including autonomous driving, traffic monitoring, and surveillance. This survey presents a comprehensive review of image and video restoration techniques developed to mitigate weather-induced visual impairments. We categorize existing approaches into traditional prior-based methods and modern data-driven models, including CNNs, transformers, diffusion models, and emerging vision-language models (VLMs). Restoration strategies are further classified based on their scope: single-task models, multi-task/multi-weather systems, and all-in-one frameworks capable of handling diverse degradations. In addition, we discuss day and night time restoration challenges, benchmark datasets, and evaluation protocols. The survey concludes with an in-depth discussion on limitations in current research and outlines future directions such as mixed/compound-degradation restoration, real-time deployment, and agentic AI frameworks. This work aims to serve as a valuable reference for advancing weather-resilient vision systems in smart transportation environments. Lastly, to stay current with rapid advancements in this field, we will maintain regular updates of the latest relevant papers and their open-source implementations at https://github.com/ChaudharyUPES/A-comprehensive-review-on-Multi-weather-restoration
• Abstract（参考訳）: ヘイズ、雨、雪などの逆の気象条件は、画像やビデオの品質を著しく低下させ、視覚入力に依存するインテリジェント交通システム(ITS)に深刻な課題をもたらす。 これらの劣化は、自動運転、交通監視、監視といった重要な応用に影響を及ぼす。 本研究は、気象による視覚障害を軽減するために開発された画像と映像の復元技術に関する総合的なレビューである。 我々は既存のアプローチを、CNN、トランスフォーマー、拡散モデル、新しい視覚言語モデル(VLM)など、従来の手法と現代的なデータ駆動モデルに分類する。 単一タスクモデル、マルチタスク/マルチウェザーシステム、さまざまな劣化を処理するオールインワンフレームワークなどである。 さらに、昼夜の復旧課題、ベンチマークデータセット、評価プロトコルについても論じる。 この調査は、現在の研究における制限に関する詳細な議論で締めくくられ、混合/複合劣化復旧、リアルタイムデプロイメント、エージェントAIフレームワークといった今後の方向性の概要が示されている。 この研究は、スマートトランスポート環境における耐候性視覚システムの発展のための貴重な基準となることを目的としている。 最後に、この分野の急速な進歩に対応するため、最新の関連論文とそのオープンソース実装の定期的な更新をhttps://github.com/ChaudharyUPES/A-comprehensive-review-on-Multi-weather-restorationで行う。

関連論文リスト

• CMAWRNet: Multiple Adverse Weather Removal via a Unified Quaternion Neural Architecture [2.2124180701409233]
  画像やビデオ検索、屋外監視、自動運転といった現実世界のアプリケーションで使用される画像は、悪天候に悩まされている。 この研究は、CMAWRNetと呼ばれる統合四元数ニューラルネットワークを用いて、複数の悪天候除去のための効率的なソリューションを開発することに焦点を当てている。 これは、新しいテクスチャ構造分解ブロック、新しい軽量エンコーダ・デコーダ四元変圧器アーキテクチャ、低光補正の減衰融合ブロックに基づいている。
  論文  参考訳（メタデータ） (2025-05-03T18:02:19Z)
• DA2Diff: Exploring Degradation-aware Adaptive Diffusion Priors for All-in-One Weather Restoration [32.16602874389847]
  本稿では,DA2Diff と呼ばれるオールインワン気象の回復に適応した劣化を考慮した拡散パラダイムを提案する。 学習可能な一連のプロンプトをデプロイし、CLIP空間の即時類似性制約によって分解認識表現をキャプチャする。 本稿では,動的気象対応ルータを用いた動的専門家選択変調器を提案する。
  論文  参考訳（メタデータ） (2025-04-07T14:38:57Z)
• MWFormer: Multi-Weather Image Restoration Using Degradation-Aware Transformers [44.600209414790854]
  悪天候下で撮影された画像の復元は、多くのコンピュータビジョンアプリケーションにとって基本的な課題である。 本稿では,マルチウェザー変換器 (MWFormer) を提案する。 MWFormerは,既存の最先端手法と比較して,大幅な性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2024-11-26T08:47:39Z)
• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候など幅広い要因によって生じる劣化した観察から高品質な画像の復元を目指している。 従来のIR法は、個々の劣化タイプを対象とすることで顕著な進歩を遂げてきたが、それらの特殊化は、しばしば一般化のコストがかかる。 オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
  この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。 視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。 本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
  論文  参考訳（メタデータ） (2024-09-02T23:46:27Z)
• Robust ADAS: Enhancing Robustness of Machine Learning-based Advanced Driver Assistance Systems for Adverse Weather [5.383130566626935]
  本稿では,デノイングディープニューラルネットワークを前処理ステップとして,悪天候画像から晴天画像へ変換する。 ドライバーの視認性が向上し、悪天候下での安全なナビゲーションに欠かせない。
  論文  参考訳（メタデータ） (2024-07-02T18:03:52Z)
• Continual All-in-One Adverse Weather Removal with Knowledge Replay on a Unified Network Structure [92.8834309803903]
  現実の応用では、悪天候による画像の劣化は常に複雑で、日や季節によって異なる気象条件で変化する。 我々は,ネットワーク構造を統一した上で,効果的な知識再生(KR)を実現するための新しい連続学習フレームワークを開発した。 連続学習における複数の退化を伴う画像復元作業の特徴を考察し、異なる退化に関する知識を共有・蓄積することができる。
  論文  参考訳（メタデータ） (2024-03-12T03:50:57Z)
• Exploring the Application of Large-scale Pre-trained Models on Adverse Weather Removal [97.53040662243768]
  ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。 このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
  論文  参考訳（メタデータ） (2023-06-15T10:06:13Z)

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。