論文の概要: SIRR-LMM: Single-image Reflection Removal via Large Multimodal Model

• arxiv url: http://arxiv.org/abs/2601.07209v1
• Date: Mon, 12 Jan 2026 05:03:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.220132
• Title: SIRR-LMM: Single-image Reflection Removal via Large Multimodal Model
• Title（参考訳）: SIRR-LMM:大型マルチモーダルモデルによる単一像反射除去
• Authors: Yu Guo, Zhiqiang Lao, Xiyun Song, Yubin Zhou, Heather Yu,
• Abstract要約: 既存のデータセットは、合成データにおける限られた物理的リアリズムや、実際のキャプチャにおける不十分なスケールに悩まされている。 実背景画像上に3Dガラスモデルをパストレーシングして物理的に正確な反射シナリオを作成する合成データセット生成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.069411665770266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Glass surfaces create complex interactions of reflected and transmitted light, making single-image reflection removal (SIRR) challenging. Existing datasets suffer from limited physical realism in synthetic data or insufficient scale in real captures. We introduce a synthetic dataset generation framework that path-traces 3D glass models over real background imagery to create physically accurate reflection scenarios with varied glass properties, camera settings, and post-processing effects. To leverage the capabilities of Large Multimodal Model (LMM), we concatenate the image layers into a single composite input, apply joint captioning, and fine-tune the model using task-specific LoRA rather than full-parameter training. This enables our approach to achieve improved reflection removal and separation performance compared to state-of-the-art methods.
• Abstract（参考訳）: ガラス表面は反射光と透過光の複雑な相互作用を生み出し、単一像の反射除去(SIRR)は困難である。 既存のデータセットは、合成データにおける限られた物理的リアリズムや、実際のキャプチャにおける不十分なスケールに悩まされている。 実際の背景画像上に3Dガラスモデルをパストルーする合成データセット生成フレームワークを導入し、様々なガラス特性、カメラ設定、後処理効果を備えた物理的に正確な反射シナリオを作成する。 LMM(Large Multimodal Model)の機能を活用するために,画像層を1つの合成入力に結合し,共同キャプションを適用し,タスク固有のLoRAを用いてモデルを微調整する。 これにより,最先端手法と比較して,反射除去と分離性能の向上が図れる。

関連論文リスト

• Reflect3r: Single-View 3D Stereo Reconstruction Aided by Mirror Reflections [55.248092751290834]
  ミラーリフレクションは日常の環境で一般的であり、単一のキャプチャ内でステレオ情報を提供することができる。 我々はこの特性を利用して、リフレクションを補助的な視点として扱い、物理的に有効な仮想カメラを構成する変換を設計する。 これにより、単一の画像から多視点ステレオ設定が可能となり、撮像プロセスが簡単になる。
  論文  参考訳（メタデータ） (2025-09-24T23:00:22Z)
• Utilizing Multi-step Loss for Single Image Reflection Removal [0.9208007322096532]
  歪んだイメージは、オブジェクト検出やイメージセグメンテーションといったタスクに悪影響を及ぼす可能性がある。 単一画像を用いた画像反射除去のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-11T17:57:25Z)
• 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)
• Reflecting Reality: Enabling Diffusion Models to Produce Faithful Mirror Reflections [26.02117310176884]
  拡散型生成モデルを用いて、高現実的で可視なミラー反射を生成する問題に取り組む。 現実世界の物体の高品位, リアル, 形状, 外観を意識した反射を生成するミラーフュージョン(MirrorFusion)と呼ばれる新しいディープコンディショニング手法を提案する。 MirrorFusionはSynMirrorの最先端の手法よりも優れており、広範囲な量的および定性的な分析によって示されている。
  論文  参考訳（メタデータ） (2024-09-23T02:59:07Z)
• Relightify: Relightable 3D Faces from a Single Image via Diffusion Models [86.3927548091627]
  単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。 既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
  論文  参考訳（メタデータ） (2023-05-10T11:57:49Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• ReflectNet -- A Generative Adversarial Method for Single Image Reflection Suppression [0.6980076213134382]
  本稿では,文脈理解モジュールと敵対的学習に基づく単一の画像反射除去手法を提案する。 提案手法は,PSNR と SSIM の観点から,SIR のベンチマークデータセット上で,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2021-05-11T17:33:40Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)

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。