論文の概要: ClearAIR: A Human-Visual-Perception-Inspired All-in-One Image Restoration

• arxiv url: http://arxiv.org/abs/2601.02763v1
• Date: Tue, 06 Jan 2026 06:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.83725
• Title: ClearAIR: A Human-Visual-Perception-Inspired All-in-One Image Restoration
• Title（参考訳）: ClearAIR:人間の視覚に触発されたオールインワン画像復元
• Authors: Xu Zhang, Huan Zhang, Guoli Wang, Qian Zhang, Lefei Zhang,
• Abstract要約: All-in-One Image Restoration (AiOIR)は、複雑な現実世界の劣化に対して有望な解決策を提供するために大きく進歩した。 本稿では,Human Visual Perception (HVP)にインスパイアされた新しいAiOIRフレームワークであるClearAIRを提案する。 実験の結果、ClearAIRは多様な合成データセットと実世界のデータセットで優れたパフォーマンスを実現していることがわかった。
• 参考スコア（独自算出の注目度）: 40.50200240865161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: All-in-One Image Restoration (AiOIR) has advanced significantly, offering promising solutions for complex real-world degradations. However, most existing approaches rely heavily on degradation-specific representations, often resulting in oversmoothing and artifacts. To address this, we propose ClearAIR, a novel AiOIR framework inspired by Human Visual Perception (HVP) and designed with a hierarchical, coarse-to-fine restoration strategy. First, leveraging the global priority of early HVP, we employ a Multimodal Large Language Model (MLLM)-based Image Quality Assessment (IQA) model for overall evaluation. Unlike conventional IQA, our method integrates cross-modal understanding to more accurately characterize complex, composite degradations. Building upon this overall assessment, we then introduce a region awareness and task recognition pipeline. A semantic cross-attention, leveraging semantic guidance unit, first produces coarse semantic prompts. Guided by this regional context, a degradation-aware module implicitly captures region-specific degradation characteristics, enabling more precise local restoration. Finally, to recover fine details, we propose an internal clue reuse mechanism. It operates in a self-supervised manner to mine and leverage the intrinsic information of the image itself, substantially enhancing detail restoration. Experimental results show that ClearAIR achieves superior performance across diverse synthetic and real-world datasets.
• Abstract（参考訳）: All-in-One Image Restoration (AiOIR)は、複雑な現実世界の劣化に対して有望な解決策を提供するために大きく進歩した。 しかし、既存のほとんどのアプローチは分解固有の表現に大きく依存しており、しばしば過度にスムーシングやアーティファクトをもたらす。 そこで我々は,Human Visual Perception (HVP)にインスパイアされた新しいAiOIRフレームワークであるClearAIRを提案する。 まず、初期のHVPのグローバルな優先度を生かして、マルチモーダル大言語モデル(MLLM)に基づく画像品質評価(IQA)モデルを用いて総合評価を行う。 従来のIQAとは異なり、我々の手法はクロスモーダル理解を統合し、複雑な複合劣化をより正確に特徴づける。 この総合評価に基づいて、地域認識とタスク認識パイプラインを導入する。 セマンティック・アテンションは、セマンティック・ガイダンス・ユニットを利用して、まず粗いセマンティック・プロンプトを生成する。 この領域コンテキストでガイドされた分解対応モジュールは、暗黙的に領域固有の劣化特性をキャプチャし、より正確な局所復元を可能にする。 最後に、細部を復元するために、内部的手掛かり再利用機構を提案する。 画像自体の本質的な情報をマイニングし活用するために、自己監督的な方法で動作し、細部復元を大幅に強化する。 実験の結果、ClearAIRは多様な合成データセットと実世界のデータセットで優れたパフォーマンスを実現していることがわかった。

関連論文リスト

• UniUIR: Considering Underwater Image Restoration as An All-in-One Learner [62.65503609562905]
  我々はUniUIRと呼ばれるユニバーサル水中画像復元手法を提案する。 劣化固有の問題を分離し、UIRタスクにおける様々な劣化の相関関係を探るため、我々はMamba Mixture-of-Expertsモジュールを設計した。 このモジュールは、空間領域と周波数領域の両方において劣化前の情報を抽出し、最適なタスク固有のプロンプトを適応的に選択する。
  論文  参考訳（メタデータ） (2025-01-22T16:10:42Z)
• 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)
• SSP-IR: Semantic and Structure Priors for Diffusion-based Realistic Image Restoration [20.873676111265656]
  SSP-IRは、低画質の画像からセマンティックと構造をフル活用することを目的としている。 提案手法は,合成および実世界のデータセットにおいて,他の最先端手法よりも優れる。
  論文  参考訳（メタデータ） (2024-07-04T04:55:14Z)

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。