論文の概要: Polarization Uncertainty-Guided Diffusion Model for Color Polarization Image Demosaicking
- arxiv url: http://arxiv.org/abs/2602.23847v1
- Date: Fri, 27 Feb 2026 09:39:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-02 19:48:24.351976
- Title: Polarization Uncertainty-Guided Diffusion Model for Color Polarization Image Demosaicking
- Title（参考訳）: カラー偏光画像復調のための偏光不確かさ誘導拡散モデル
- Authors: Chenggong Li, Yidong Luo, Junchao Zhang, Degui Yang,
- Abstract要約: CPDMは,カラー偏光フィルタアレイ(CPFA)の原画像から4方向のフル解像度偏光像を再構成することを目的としている。
我々は,テキスト・ツー・イメージ(T2I)モデルに先行して画像拡散を導入し,ネットワークベースの手法の性能ボトルネックを克服する。
- 参考スコア（独自算出の注目度）: 3.5335358134182937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Color polarization demosaicking (CPDM) aims to reconstruct full-resolution polarization images of four directions from the color-polarization filter array (CPFA) raw image. Due to the challenge of predicting numerous missing pixels and the scarcity of high-quality training data, existing network-based methods, despite effectively recovering scene intensity information, still exhibit significant errors in reconstructing polarization characteristics (degree of polarization, DOP, and angle of polarization, AOP). To address this problem, we introduce the image diffusion prior from text-to-image (T2I) models to overcome the performance bottleneck of network-based methods, with the additional diffusion prior compensating for limited representational capacity caused by restricted data distribution. To effectively leverage the diffusion prior, we explicitly model the polarization uncertainty during reconstruction and use uncertainty to guide the diffusion model in recovering high error regions. Extensive experiments demonstrate that the proposed method accurately recovers scene polarization characteristics with both high fidelity and strong visual perception.
- Abstract（参考訳）: カラー偏光復号化(CPDM)は,カラー偏光フィルタアレイ(CPFA)の原画像から4方向のフル解像度偏光像を再構成することを目的としている。
多数の欠落画素の予測と高品質なトレーニングデータの不足により、既存のネットワークベースの手法はシーン強度情報を効果的に回復する一方で、偏光特性(偏光度、DOP、偏光角度、AOP)の再構成において重大な誤りをみせている。
この問題に対処するために,テキスト・ツー・イメージ(T2I)モデルに先行する画像拡散を導入し,制限されたデータ分布による表現能力の制限を補うことで,ネットワークベースの手法の性能ボトルネックを克服する。
拡散前の拡散を効果的に活用するために、再構成中の偏極不確かさを明示的にモデル化し、拡散モデルを用いて高い誤差領域を復元する。
広汎な実験により,提案手法は高忠実度と強い視覚知覚の両方でシーン偏光特性を正確に回復することを示した。
関連論文リスト
- PolarAnything: Diffusion-based Polarimetric Image Synthesis [59.14294818211059]
本稿では,光リアリズムと物理精度の両方で単一のRGB入力から偏光画像を合成できるPolarAnythingを提案する。
実験により,我々のモデルは高品質な偏光画像を生成し,偏光からの形状などの下流タスクをサポートすることが示された。
論文 参考訳（メタデータ） (2025-07-23T07:09:10Z) - Shape from Polarization of Thermal Emission and Reflection [2.7317088388886384]
長波長赤外(LWIR)スペクトルにおける偏光の形状(SfP)技術を利用する。
我々は、放射と反射の複合効果を明示的に考慮した偏極モデルを定式化した。
我々はプロトタイプシステムを実装し、LWIR SfPのための最初の実世界のベンチマークデータセットであるThermoPolを開発した。
論文 参考訳（メタデータ） (2025-06-23T00:33:17Z) - PIDSR: Complementary Polarized Image Demosaicing and Super-Resolution [63.87900679891159]
偏光カメラの解像度は従来のRGBカメラよりもはるかに低い。
既存の偏光画像復調法(PID)は、解像度を向上できないため制限されている。
我々は,PIDSRと超解像の相補的な偏極画像復位と超解像を行う共同フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-10T13:56:33Z) - Glossy Object Reconstruction with Cost-effective Polarized Acquisition [41.96986483856648]
この研究は、コスト効率の良い取得ツールを使用するスケーラブルな分極支援アプローチを導入している。
提案手法は,物体表面の分極的BRDF,ストークスベクトル,偏光状態をニューラル暗黙的場として表現する。
偏光レンダリングの暗黙的な表現に基本的な物理原理を活用することにより,本手法は既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-04-09T16:38:51Z) - Diffusion-based Virtual Staining from Polarimetric Mueller Matrix Imaging [8.016374085889172]
偏光を用いた仮想染色のためのRBDM(Regulation Bridge Diffusion Model)を提案する。
RBDMは偏光画像からH&Eや蛍光といった他のモダリティへのマッピングを学習する。
実験結果から,本モデルが他のベンチマーク手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2025-03-03T09:45:27Z) - Video Frame Interpolation for Polarization via Swin-Transformer [9.10220649654041]
ビデオフレーム補間 (VFI) は広く研究され、実証されてきたが、偏光への応用は未解明のままである。
本研究では,Swin-Transformerに基づくマルチステージ・マルチスケールネットワークSwin-VFIを提案する。
実験の結果,全てのタスクにおいて,提案手法の再現精度が優れていることが示された。
論文 参考訳（メタデータ） (2024-06-17T09:48:54Z) - Learning to Deblur Polarized Images [59.33932533761383]
偏光カメラは、1枚のショットで異なる偏光子角度で4つの直線偏光画像をキャプチャすることができる。
オンチップのマイクロ偏光器は光の一部を遮蔽するため、センサーの露出時間が長い場合が多いため、捕獲された偏光画像はぼやけやすい。
そこで本研究では,偏光を意識してこの問題を解決するために,偏光画像デブロアリングパイプラインを提案する。
論文 参考訳（メタデータ） (2024-02-28T07:56:28Z) - Polarimetric Information for Multi-Modal 6D Pose Estimation of
Photometrically Challenging Objects with Limited Data [51.95347650131366]
6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存する。
このような制限を克服するために,補完分極情報を利用した教師付き学習ベース手法を提案する。
論文 参考訳（メタデータ） (2023-08-21T10:56:00Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T03:08:28Z) - Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。
DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。
我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
論文 参考訳（メタデータ） (2022-01-04T08:30:09Z)
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。