論文の概要: Restora-Flow: Mask-Guided Image Restoration with Flow Matching

• arxiv url: http://arxiv.org/abs/2511.20152v2
• Date: Wed, 26 Nov 2025 09:04:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 14:46:34.506841
• Title: Restora-Flow: Mask-Guided Image Restoration with Flow Matching
• Title（参考訳）: Restora-Flow:フローマッチングによるマスクガイド画像復元
• Authors: Arnela Hadzic, Franz Thaler, Lea Bogensperger, Simon Johannes Joham, Martin Urschler,
• Abstract要約: フローマッチングは、最先端拡散モデルに関連する長いサンプリング時間に対処する、有望な生成的アプローチとして登場した。 本稿では, 劣化マスクによるフローマッチングサンプリングをガイドする, トレーニング不要なRestora-Flowを紹介する。 本研究では,拡散法やフローマッチング法と比較して,知覚品質と処理時間に優れることを示す。
• 参考スコア（独自算出の注目度）: 0.39141750421215127
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Flow matching has emerged as a promising generative approach that addresses the lengthy sampling times associated with state-of-the-art diffusion models and enables a more flexible trajectory design, while maintaining high-quality image generation. This capability makes it suitable as a generative prior for image restoration tasks. Although current methods leveraging flow models have shown promising results in restoration, some still suffer from long processing times or produce over-smoothed results. To address these challenges, we introduce Restora-Flow, a training-free method that guides flow matching sampling by a degradation mask and incorporates a trajectory correction mechanism to enforce consistency with degraded inputs. We evaluate our approach on both natural and medical datasets across several image restoration tasks involving a mask-based degradation, i.e., inpainting, super-resolution and denoising. We show superior perceptual quality and processing time compared to diffusion and flow matching-based reference methods.
• Abstract（参考訳）: フローマッチングは、最先端拡散モデルに関連する長いサンプリング時間に対処し、高品質な画像生成を維持しつつ、より柔軟な軌道設計を可能にする、有望な生成手法として登場した。 この機能は、画像復元タスクの生成前として適している。 現在のフローモデルを利用した手法は、回復に有望な結果を示しているが、まだ長い処理時間に悩まされているものや、過度にスムースな結果をもたらすものもある。 これらの課題に対処するために,劣化マスクによるフローマッチングサンプリングをガイドする学習不要のRestora-Flowを導入し,劣化した入力との整合性を確保するための軌道補正機構を組み込んだ。 マスクによる劣化, 塗装, 超高分解能, デノナイジングを含む, いくつかの画像修復作業において, 自然と医療の両方のデータセットに対するアプローチを評価した。 本研究では,拡散法やフローマッチング法と比較して,知覚品質と処理時間に優れることを示す。

関連論文リスト

• OSCAR: Orthogonal Stochastic Control for Alignment-Respecting Diversity in Flow Matching [14.664226708184676]
  フローベースのテキスト・ツー・イメージモデルは決定論的軌跡に従っており、ユーザーは様々なモードを見つけるために繰り返しサンプルを採取せざるを得ない。 本稿では,フロー自体を多様性に配慮した,トレーニング不要な推論時間制御機構を提案する。
  論文  参考訳（メタデータ） (2025-10-10T07:07:19Z)
• Reversing Flow for Image Restoration [44.46428058881558]
  画像復元は、劣化の影響を逆転させることで、劣化した低品質(LQ)画像から高品質(HQ)画像を復元することを目的としている。 拡散やスコアベースモデルを含む既存の画像復元のための生成モデルは、分解過程を決定論的変換として扱うことが多い。 本研究では,劣化過程を連続正規化フローを用いた決定論的経路としてモデル化する新しい画像復元フレームワークResFlowを提案する。
  論文  参考訳（メタデータ） (2025-06-20T12:51:12Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Frequency-Guided Posterior Sampling for Diffusion-Based Image Restoration [35.35400265928447]
  本稿では,既存の拡散型修復法に対する簡単な修正を提案する。 本手法では,周波数領域における時間変化の少ない低域通過フィルタを提案する。 本稿では,その基礎となるデータ分布に基づいて,この周波数スケジュールの適応カリキュラムを開発する。
  論文  参考訳（メタデータ） (2024-11-22T18:31:02Z)
• Timestep-Aware Diffusion Model for Extreme Image Rescaling [47.89362819768323]
  本稿では,時間認識拡散モデル(TADM)と呼ばれる,画像再スケーリングのための新しいフレームワークを提案する。 TADMは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を行う。 これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
  論文  参考訳（メタデータ） (2024-08-17T09:51:42Z)
• Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
  本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。 提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。 提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-12T05:06:07Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• DeFlow: Learning Complex Image Degradations from Unpaired Data with Conditional Flows [145.83812019515818]
  本論文では,不対データから画像劣化を学習するDeFlowを提案する。 共有フローデコーダネットワークの潜在空間における劣化過程をモデル化する。 共同画像復元と超解像におけるDeFlowの定式化を検証した。
  論文  参考訳（メタデータ） (2021-01-14T18:58:01Z)

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。