論文の概要: SD-PSFNet: Sequential and Dynamic Point Spread Function Network for Image Deraining
- arxiv url: http://arxiv.org/abs/2511.17993v1
- Date: Sat, 22 Nov 2025 09:21:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.575608
- Title: SD-PSFNet: Sequential and Dynamic Point Spread Function Network for Image Deraining
- Title（参考訳）: SD-PSFNet:画像レイニングのためのシークエンシャルおよび動的ポイントスプレッド機能ネットワーク
- Authors: Jiayu Wang, Haoyu Bian, Haoran Sun, Shaoning Zeng,
- Abstract要約: 画像劣化過程を明らかにするためのポイントスプレッド機能(PSF)機構を提案する。
SD-PSFNetは,3段階の逐次復元アーキテクチャを採用している。
我々はRain100H (33.12dB/0.9371)、RealRain-1k-L (42.28dB/0.9872)、RealRain-1k-H (41.08dB/0.9838)の最先端PSNR/SSIM測定値を得る。
- 参考スコア（独自算出の注目度）: 27.590371895775238
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image deraining is crucial for vision applications but is challenged by the complex multi-scale physics of rain and its coupling with scenes. To address this challenge, a novel approach inspired by multi-stage image restoration is proposed, incorporating Point Spread Function (PSF) mechanisms to reveal the image degradation process while combining dynamic physical modeling with sequential feature fusion transfer, named SD-PSFNet. Specifically, SD-PSFNet employs a sequential restoration architecture with three cascaded stages, allowing multiple dynamic evaluations and refinements of the degradation process estimation. The network utilizes components with learned PSF mechanisms to dynamically simulate rain streak optics, enabling effective rain-background separation while progressively enhancing outputs through novel PSF components at each stage. Additionally, SD-PSFNet incorporates adaptive gated fusion for optimal cross-stage feature integration, enabling sequential refinement from coarse rain removal to fine detail restoration. Our model achieves state-of-the-art PSNR/SSIM metrics on Rain100H (33.12dB/0.9371), RealRain-1k-L (42.28dB/0.9872), and RealRain-1k-H (41.08dB/0.9838). In summary, SD-PSFNet demonstrates excellent capability in complex scenes and dense rainfall conditions, providing a new physics-aware approach to image deraining.
- Abstract（参考訳）: 画像のデライン化は視覚的応用には不可欠であるが,降雨の複雑な多スケール物理とシーンとの結合に課題がある。
この課題に対処するために,PSF(Point Spread Function)機構を導入し,動的物理モデリングとSD-PSFNetと呼ばれる逐次的特徴融合を組み合わせながら画像劣化過程を明らかにする,多段階画像復元にインスパイアされた新しいアプローチを提案する。
具体的には、SD-PSFNetは3つの段階からなるシーケンシャルな復元アーキテクチャを採用し、複数の動的評価と劣化過程推定の洗練を可能にする。
このネットワークは、学習したPSF機構を持つコンポーネントを使用して、雨のストリーク光学を動的にシミュレートし、各ステージにおける新しいPSFコンポーネントによる出力を漸進的に増強しながら、効果的な降雨地分離を可能にする。
さらに、SD-PSFNetは最適なクロスステージ機能統合のための適応ゲート融合を組み込んでおり、粗い雨除去から細かな復元まで順次改善することができる。
本研究では,Rain100H(33.12dB/0.9371),RealRain-1k-L(42.28dB/0.9872),RealRain-1k-H(41.08dB/0.9838)の最先端PSNR/SSIM測定値を実現する。
要約すると、SD-PSFNetは複雑な風景や降雨条件に優れた能力を示し、画像のデライン化に対する新しい物理対応のアプローチを提供する。
関連論文リスト
- Enhancing Infrared Vision: Progressive Prompt Fusion Network and Benchmark [58.61079960074608]
既存の赤外線画像強調法は、個々の劣化に対処することに焦点を当てている。
一般的にRGBセンサーに適用されるオールインワンエンハンスメント法は、有効性が制限されることが多い。
論文 参考訳（メタデータ） (2025-10-10T12:55:54Z) - Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding [67.57487747508179]
マルチインワン画像復元 (IR) は, 一つのモデルで全ての種類の劣化画像復元を処理し, 大幅な進歩を遂げている。
本稿では,単一と混合の分解で画像を効果的に復元できる新しいマルチインワンIRモデルを提案する。
論文 参考訳（メタデータ） (2024-11-25T09:26:34Z) - RainyScape: Unsupervised Rainy Scene Reconstruction using Decoupled Neural Rendering [50.14860376758962]
多視点降雨画像の集合からクリーンなシーンを再構築するための教師なしフレームワークであるRainyScapeを提案する。
ニューラルネットワークのスペクトルバイアス特性に基づいて、まずニューラルネットワークのレンダリングパイプラインを最適化し、低周波シーン表現を得る。
我々は2つのモジュールを協調的に最適化し,適応的指向性勾配に基づく再構成損失によって駆動する。
論文 参考訳（メタデータ） (2024-04-17T14:07:22Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - Contrastive Learning Based Recursive Dynamic Multi-Scale Network for
Image Deraining [47.764883957379745]
雨のストリークは撮影画像の可視性を著しく低下させる。
既存のディープラーニングベースの画像デライニング手法では、手作業で構築されたネットワークを使用して、雨の降った画像から明確な画像への直接投影を学習する。
本稿では,雨天画像と澄んだ画像との相関関係を考察した,対照的な学習に基づく画像デライニング手法を提案する。
論文 参考訳（メタデータ） (2023-05-29T13:51:41Z) - Efficient Re-parameterization Residual Attention Network For
Nonhomogeneous Image Dehazing [4.723586858098229]
ERRA-Netは1200x1600のHD画質の画像を平均166.11 fpsで処理する。
我々は, ステップ毎に高周波特徴を抽出するために, カスケードMAブロックを用い, 多層アテンション融合テールは, モデルの浅部と深部を結合してクリーン画像の残像を得る。
論文 参考訳（メタデータ） (2021-09-12T10:03:44Z) - From Rain Generation to Rain Removal [67.71728610434698]
雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。
降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。
総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
論文 参考訳（メタデータ） (2020-08-08T18:56:51Z)
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。