論文の概要: Traffic Image Restoration under Adverse Weather via Frequency-Aware Mamba
- arxiv url: http://arxiv.org/abs/2512.03852v1
- Date: Wed, 03 Dec 2025 14:50:20 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-04 12:08:16.628686
- Title: Traffic Image Restoration under Adverse Weather via Frequency-Aware Mamba
- Title（参考訳）: 周波数対応マンバによる逆気象下の交通画像復元
- Authors: Liwen Pan, Longguang Wang, Guangwei Gao, Jun Wang, Jun Shi, Juncheng Li,
- Abstract要約: 本稿では,周波数対応マンバ(FAMamba)を提案する。このフレームワークは,周波数誘導とシーケンスモデリングを統合し,効率的な画像復元を実現する。
本アーキテクチャは,(1)双方向2次元周波数適応走査による局所的相互作用を強化するDual-Branch Feature extract Block (DFEB) と,(2)ウェーブレットに基づく高周波数残差学習によりテクスチャの詳細を洗練するPreside-Guided Block (PGB) の2つのキーコンポーネントから構成される。
- 参考スコア（独自算出の注目度）: 37.901352525347214
- License:
- Abstract: Traffic image restoration under adverse weather conditions remains a critical challenge for intelligent transportation systems. Existing methods primarily focus on spatial-domain modeling but neglect frequency-domain priors. Although the emerging Mamba architecture excels at long-range dependency modeling through patch-wise correlation analysis, its potential for frequency-domain feature extraction remains unexplored. To address this, we propose Frequency-Aware Mamba (FAMamba), a novel framework that integrates frequency guidance with sequence modeling for efficient image restoration. Our architecture consists of two key components: (1) a Dual-Branch Feature Extraction Block (DFEB) that enhances local-global interaction via bidirectional 2D frequency-adaptive scanning, dynamically adjusting traversal paths based on sub-band texture distributions; and (2) a Prior-Guided Block (PGB) that refines texture details through wavelet-based high-frequency residual learning, enabling high-quality image reconstruction with precise details. Meanwhile, we design a novel Adaptive Frequency Scanning Mechanism (AFSM) for the Mamba architecture, which enables the Mamba to achieve frequency-domain scanning across distinct subgraphs, thereby fully leveraging the texture distribution characteristics inherent in subgraph structures. Extensive experiments demonstrate the efficiency and effectiveness of FAMamba.
- Abstract（参考訳）: 悪天候下での交通画像復元は、インテリジェント交通システムにとって重要な課題である。
既存の手法は主に空間領域モデリングに重点を置いているが、周波数領域の先行は無視している。
出現するMambaアーキテクチャは、パッチワイド相関解析による長距離依存性モデリングに優れるが、周波数領域の特徴抽出の可能性は未解明のままである。
これを解決するために,周波数対応マンバ (FAMamba) を提案する。
本アーキテクチャは,(1)双方向2次元周波数適応走査による局所的・局所的相互作用を強化するDual-Branch Feature extract Block(DFEB),(2)ウェーブレットに基づく高周波数残差学習によりテクスチャの詳細を洗練し,高精度な画像再構成を可能にするPGB(Presideed-Guided Block)の2つの主要コンポーネントから構成される。
一方,我々はMambaアーキテクチャのための新しい適応周波数走査機構 (AFSM) を設計し,Mambaが個々のサブグラフにまたがる周波数領域スキャンを実現し,サブグラフ構造に固有のテクスチャ分布特性を十分に活用する。
大規模な実験は、FAMambaの有効性と有効性を示す。
関連論文リスト
- Laplace-Mamba: Laplace Frequency Prior-Guided Mamba-CNN Fusion Network for Image Dehazing [25.05616740190157]
Laplace-Mambaは、Laplaceの周波数とハイブリッドのMamba-CNNアーキテクチャを統合し、効率的な画像デハージングを実現する新しいフレームワークである。
本手法は, 修復の質と効率の両面において, 最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2025-07-01T07:15:26Z) - MambaOutRS: A Hybrid CNN-Fourier Architecture for Remote Sensing Image Classification [4.14360329494344]
リモートセンシング画像分類のための新しいハイブリッド畳み込みアーキテクチャであるMambaOutRSを紹介する。
MambaOutRSは、局所的な特徴抽出のためにスタック化されたGated CNNブロック上に構築され、新しいFourier Filter Gate (FFG)モジュールが導入されている。
論文 参考訳（メタデータ） (2025-06-24T12:20:11Z) - Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。
本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。
様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2025-05-25T12:23:10Z) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - Dual Frequency Branch Framework with Reconstructed Sliding Windows Attention for AI-Generated Image Detection [12.523297358258345]
GAN(Generative Adversarial Networks)と拡散モデルにより、高度にリアルな合成画像の作成が可能になった。
GAN(Generative Adversarial Networks)と拡散モデルにより、高度にリアルな合成画像の作成が可能になった。
AI生成画像の検出は、重要な課題として浮上している。
論文 参考訳（メタデータ） (2025-01-25T15:53:57Z) - Detail Matters: Mamba-Inspired Joint Unfolding Network for Snapshot Spectral Compressive Imaging [40.80197280147993]
本研究では,HSI再建の非線形および不適切な特徴を克服するために,マンバインスパイアされたジョイント・アンフォールディング・ネットワーク(MiJUN)を提案する。
本稿では,初期最適化段階への依存を減らすために,高速化された展開ネットワーク方式を提案する。
テンソルモード-$k$展開をMambaネットワークに統合することにより,Mambaによる走査戦略を洗練する。
論文 参考訳（メタデータ） (2025-01-02T13:56:23Z) - A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。
本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
論文 参考訳（メタデータ） (2024-08-31T10:03:19Z)
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。