論文の概要: Unifying Heterogeneous Degradations: Uncertainty-Aware Diffusion Bridge Model for All-in-One Image Restoration

• arxiv url: http://arxiv.org/abs/2601.21592v1
• Date: Thu, 29 Jan 2026 12:02:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.784151
• Title: Unifying Heterogeneous Degradations: Uncertainty-Aware Diffusion Bridge Model for All-in-One Image Restoration
• Title（参考訳）: 均一な不均一劣化:オールインワン画像復元のための不確かさを意識した拡散ブリッジモデル
• Abstract要約: 画像復元のための不確実性認識拡散ブリッジモデル(UDBM)を提案する。 UDBMは、AiOIRを画素ワイド不確実性による輸送問題として再構成する。 単一の推論ステップで、さまざまな復元タスクにまたがる最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 39.5698877093219
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: All-in-One Image Restoration (AiOIR) faces the fundamental challenge in reconciling conflicting optimization objectives across heterogeneous degradations. Existing methods are often constrained by coarse-grained control mechanisms or fixed mapping schedules, yielding suboptimal adaptation. To address this, we propose an Uncertainty-Aware Diffusion Bridge Model (UDBM), which innovatively reformulates AiOIR as a stochastic transport problem steered by pixel-wise uncertainty. By introducing a relaxed diffusion bridge formulation which replaces the strict terminal constraint with a relaxed constraint, we model the uncertainty of degradations while theoretically resolving the drift singularity inherent in standard diffusion bridges. Furthermore, we devise a dual modulation strategy: the noise schedule aligns diverse degradations into a shared high-entropy latent space, while the path schedule adaptively regulates the transport trajectory motivated by the viscous dynamics of entropy regularization. By effectively rectifying the transport geometry and dynamics, UDBM achieves state-of-the-art performance across diverse restoration tasks within a single inference step.
• Abstract（参考訳）: All-in-One Image Restoration (AiOIR) は、異種劣化による競合する最適化目標の調整において、根本的な課題に直面している。 既存の手法は、粗い粒度の制御機構や固定されたマッピングスケジュールによって制約されることが多く、最適化の準適応をもたらす。 そこで本研究では,AiOIRを画素ワイド不確実性を考慮した確率的輸送問題として革新的に再構成する不確実性認識拡散ブリッジモデルを提案する。 厳密な終端制約を緩和された制約に置き換える緩和拡散橋の定式化を導入することにより、標準拡散橋に固有のドリフト特異性を理論的に解きながら劣化の不確かさをモデル化する。 さらに、ノイズスケジュールは多種多様な劣化を共有高エントロピー潜在空間に整列させ、経路スケジュールはエントロピー正規化の粘性ダイナミクスによって動機付けられた輸送軌道を適応的に制御する。 輸送幾何学と力学を効果的に修正することにより、UDBMは単一の推論ステップで様々な復元タスクをまたいで最先端のパフォーマンスを達成する。

関連論文リスト

• SE-UNet: Singular Equivariant Imaging for Real-World Constrained Generation [0.0]
  SE-UNetは、広範囲の事前トレーニングなしに、不適切な画像タスクを解決するために設計されたフレームワークである。 提案手法は,PSNRにおいて,Deep Image Prior(DIP)ベースラインを4dB以上越える。
  論文  参考訳（メタデータ） (2026-07-02T13:24:53Z)
• Self-supervised Dynamic Heterogeneous Degradation Modeling for Unified Zero-Shot Image Restoration [36.68260793473452]
  ゼロショット画像復元は、タスク固有のトレーニングなしで多様な劣化を処理する柔軟な方法を提供する。 異種劣化を均一なオールインワン分布に明示的にモデル化する物理ゼロショット画像復元フレームワークを提案する。 本手法は, 単品と混合品のいずれにおいても, 最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-05-23T14:08:23Z)
• ExtraVAR: Stage-Aware RoPE Remapping for Resolution Extrapolation in Visual Autoregressive Models [52.648413887350195]
  我々は,グローバルな反復,局所的な反復,詳細劣化を抑制するために,ステージアウェアのRoPEリマッピングを提案する。 また、分解能不変な正規化エントロピーを介して分散を定量化するエントロピー駆動適応アテンションを提案する。 本手法は, 構造コヒーレンスと細部忠実度の両方において, 先行分解能・分光法より常に優れる。
  論文  参考訳（メタデータ） (2026-05-11T06:14:38Z)
• Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder [34.73963627819185]
  高分解能光合成開口レーダ(SAR)プレトレーニングは、単一ソース表現を相互に強化するために、モダリティの相乗効果を求める。 我々は、アライメントの少ないテキスト・ベッター・シナジーの先駆者であるCoDe-MAEを提案する。 CoDe-MAEは、表現の劣化を防ぎ、多様な単一および双方向の下流タスクにまたがる新しい最先端のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2026-04-18T10:23:00Z)
• Energy-oriented Diffusion Bridge for Image Restoration with Foundational Diffusion Models [65.20192162889253]
  低コストな測地軌道の集合を近似するエネルギー指向拡散橋(E-Bridge)フレームワークを提案する。 我々は、短い時間水平線上で進化する新しいブリッジプロセスを設計し、エントロピー規則化点から逆プロセスを開始することで、これを実現する。 得られたE-Bridgeは,画像復元作業における最先端性能を達成しつつ,サンプリングステップを1回以下で高品質なリカバリを実現していることを示す。
  論文  参考訳（メタデータ） (2026-04-13T04:42:55Z)
• Degradation-Robust Fusion: An Efficient Degradation-Aware Diffusion Framework for Multimodal Image Fusion in Arbitrary Degradation Scenarios [34.660999867031386]
  ノイズ、ぼかし、低解像度といった複雑な劣化は、実世界の画像融合タスクにおける典型的な課題である。 本稿では,任意の劣化シナリオ下での画像融合のための効率的な劣化認識拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-10T03:34:53Z)
• Architectural Unification for Polarimetric Imaging Across Multiple Degradations [54.83037963738918]
  複数の劣化シナリオにまたがって構造的に共有される偏光イメージングのための統一的なアーキテクチャフレームワークを提案する。 このモデルは、単一ステージのジョイントイメージ・ストークス処理を実行し、エラーの蓄積を回避し、物理的一貫性を明示的に保持する。
  論文  参考訳（メタデータ） (2026-03-06T02:38:57Z)
• Robust Posterior Diffusion-based Sampling via Adaptive Guidance Scale [39.27744518020771]
  逆プロブレム定式化のための拡散過程を導出する適応的確率ステップサイズ戦略を提案する。 結果として得られたアプローチであるAdaptive Posterior diffusion Smpling (AdaPS)は、ハイパーフリーであり、多様な画像タスクにおける再構成品質を改善する。
  論文  参考訳（メタデータ） (2025-11-23T14:37:59Z)
• MambaX: Image Super-Resolution with State Predictive Control [48.76194230142064]
  Mambaは、再構築プロセス全体を複数のノードによる状態シーケンスとして表現し、中間的介入を可能にする、有望なアプローチとして登場した。 我々は、連続するスペクトル帯域を潜在状態空間にマッピングする非線形状態予測制御モデル textbfMambaX を作成し、制御方程式の非線形状態パラメータを動的に学習することでSRタスクを一般化した。 本評価では, 単一像SRと多モード融合型SRの両タスクにおいて, 動的スペクトル状態表現モデルの優れた性能を示す。
  論文  参考訳（メタデータ） (2025-11-22T11:44:09Z)
• Residual Diffusion Bridge Model for Image Restoration [57.31163715170476]
  拡散ブリッジモデルは任意のペア分布間の確率パスを確立する。 既存のほとんどの手法は単にそれらを補間剤の単純な変種として扱い、統一的な分析的視点を欠いている。 これらの課題に対処するために,Residual Diffusion Bridge Model (RDBM)を提案する。
  論文  参考訳（メタデータ） (2025-10-27T08:35:49Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• 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)
• Prompt-Guided Dual Latent Steering for Inversion Problems [16.58915166460579]
  劣化した画像を拡散モデルの潜在空間に変換することは困難である。 イメージを1つの潜在ベクトルにエンコードする現在の手法は、構造的忠実度と意味論的精度のバランスをとるのに苦労している。 Prompt-Guided Dual Latent Steering (PDLS) はRectified Flowモデル上に構築された新しいフレームワークで,その安定な反転経路を実現する。 PDLSはインバージョンプロセスを、ソースの整合性を維持する構造経路と、プロンプトによって導かれる意味経路の2つの相補的なストリームに分解する。
  論文  参考訳（メタデータ） (2025-09-23T04:11:06Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Convex Latent-Optimized Adversarial Regularizers for Imaging Inverse Problems [8.33626757808923]
  本稿では,新しいデータ駆動型パラダイムであるConvex Latent-d Adrial Regularizers (CLEAR)を紹介する。 CLEARは、ディープラーニング(DL)と変分正規化の融合を表す。 本手法は従来型のデータ駆動手法と従来型の正規化手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-09-17T12:06:04Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)

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。