論文の概要: Neural Discrimination-Prompted Transformers for Efficient UHD Image Restoration and Enhancement
- arxiv url: http://arxiv.org/abs/2603.00853v1
- Date: Sun, 01 Mar 2026 00:51:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.384326
- Title: Neural Discrimination-Prompted Transformers for Efficient UHD Image Restoration and Enhancement
- Title（参考訳）: 効率的なUHD画像復元・改善のためのニューラル識別プロンプト変換器
- Authors: Cong Wang, Jinshan Pan, Liyan Wang, Wei Wang, Yang Yang,
- Abstract要約: 本稿では,超高精細(UHD)画像の復元と改善のためのニューラル・ディファレンス・プロンプテッド・トランスフォーマを提案する。
我々のUHDPromerは、高解像度と低解像度の特徴の間に暗黙的に神経的な違いが存在するという興味深い観察にインスピレーションを受けています。
実験によると、UHDPromerは最先端の性能を維持しつつ、最高の計算効率を達成する。
- 参考スコア（独自算出の注目度）: 46.052990277709995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a simple yet effective UHDPromer, a neural discrimination-prompted Transformer, for Ultra-High-Definition (UHD) image restoration and enhancement. Our UHDPromer is inspired by an interesting observation that there implicitly exist neural differences between high-resolution and low-resolution features, and exploring such differences can facilitate low-resolution feature representation. To this end, we first introduce Neural Discrimination Priors (NDP) to measure the differences and then integrate NDP into the proposed Neural Discrimination-Prompted Attention (NDPA) and Neural Discrimination-Prompted Network (NDPN). The proposed NDPA re-formulates the attention by incorporating NDP to globally perceive useful discrimination information, while the NDPN explores a continuous gating mechanism guided by NDP to selectively permit the passage of beneficial content. To enhance the quality of restored images, we propose a super-resolution-guided reconstruction approach, which is guided by super-resolving low-resolution features to facilitate final UHD image restoration. Experiments show that UHDPromer achieves the best computational efficiency while still maintaining state-of-the-art performance on $3$ UHD image restoration and enhancement tasks, including low-light image enhancement, image dehazing, and image deblurring. The source codes and pre-trained models will be made available at https://github.com/supersupercong/uhdpromer.
- Abstract（参考訳）: 本稿では,超高精細(UHD)画像の復元と改善のための,ニューラルネットワークを用いた超高精細変換器UHDPromerを提案する。
我々のUHDPromerは、高解像度特徴と低解像度特徴の間に暗黙的に神経的な違いが存在するという興味深い観察にインスピレーションを受けています。
そこで我々はまず,その違いを測定するためにNDP(Neural Discrimination Priors)を導入し,NDPをNDPA(Neural Discrimination-Prompted Attention)とNDPN(Neural Discrimination-Prompted Network)に統合する。
提案したNDPAは、NDPを取り入れて、有用な識別情報を世界規模で認識し、NDPNは、NDPがガイドする連続的なゲーティング機構を探索し、有益なコンテンツの通過を選択的に許可する。
復元画像の品質を高めるために,超解像の低分解能特徴を導出し,最終的なUHD画像復元を容易にする超解像誘導再構成手法を提案する。
実験によると、UHDPromerは3ドル(約3,300円)のUHD画像復元および低照度画像の強調、画像の脱ハージング、画像の劣化といった改善作業に対して、最先端の性能を維持しながら、最高の計算効率を達成する。
ソースコードと事前訓練されたモデルはhttps://github.com/supersupercong/uhdpromer.comで利用可能になる。
関連論文リスト
- Exploring Semantic Feature Discrimination for Perceptual Image Super-Resolution and Opinion-Unaware No-Reference Image Quality Assessment [6.362375130130533]
画像超解像(SR)にGAN(Generative Adversarial Networks)が広く応用されている。
既存の GAN ベースの SR 手法の多くは、画像に直接粗粒度を識別し、画像の意味情報を無視する。
具体的には、まず特徴判別器(Feat-D)を設計し、CLIPから画素単位の中間的特徴を識別する。
また,SFD-IQAを用いた新たな評価手法であるOU NR-IQA(OU NR-IQA)を提案する。
論文 参考訳（メタデータ） (2025-03-25T02:50:47Z) - Decouple to Reconstruct: High Quality UHD Restoration via Active Feature Disentanglement and Reversible Fusion [77.08942160610478]
超高精細画像復元(UHD)は、高解像度のため、しばしば計算ボトルネックや情報損失に直面している。
本稿では,より難解な劣化情報を潜時空間に符号化しながら,容易に復元可能な背景情報を破棄する制御付き微分遠絡型VAEを提案する。
提案手法は,UHD画像復元の精度を向上し,UHD画像復元の6つの課題を1Mパラメータのみで実現し,VAEモデルにおける情報損失問題を効果的に軽減する。
論文 参考訳（メタデータ） (2025-03-17T02:55:18Z) - UniRestore: Unified Perceptual and Task-Oriented Image Restoration Model Using Diffusion Prior [56.35236964617809]
画像復元は、悪天候、ぼやけ、騒音などの様々な要因によって劣化した入力からコンテンツを回復することを目的としている。
本稿では,PIRとTIRのギャップを埋める統一画像復元モデルUniRestoreを紹介する。
本稿では,分解エンコーダの特徴を再構築するための補足的特徴回復モジュール (CFRM) と,デコーダの適応的特徴融合を容易にするタスク特徴適応モジュール (TFA) を提案する。
論文 参考訳（メタデータ） (2025-01-22T08:06:48Z) - PNR: Physics-informed Neural Representation for high-resolution LFM reconstruction [16.475992284654033]
本稿では,高分解能LFM再構成法であるPNR(Physics-informed Neural Representation)を提案する。
提案手法は教師なしかつ明示的な特徴表現手法を取り入れ,PSNRがRTDよりも6.1dB向上した。
コードとデータセットは公開されます。
論文 参考訳（メタデータ） (2024-09-26T19:02:51Z) - Assessing UHD Image Quality from Aesthetics, Distortions, and Saliency [51.36674160287799]
我々は3つの視点からUHD画像の品質を評価するためにマルチブランチディープニューラルネットワーク(DNN)を設計する。
UHD画像から低解像度画像から美的特徴を抽出する。
UHD画像から抽出したミニパッチからなる断片画像を用いて, 技術的歪みを測定する。
UHD画像の塩分含有量を検知し、収穫し、塩分領域から品質認識特徴を抽出する。
論文 参考訳（メタデータ） (2024-09-01T15:26:11Z) - NERV++: An Enhanced Implicit Neural Video Representation [11.25130799452367]
強調された暗黙的ニューラルビデオ表現であるNeRV++のニューラル表現を導入する。
NeRV++は、オリジナルのNeRVデコーダアーキテクチャよりも単純だが効果的な拡張である。
提案手法をUVG,MCL JVC,Bunnyのデータセット上で評価し,INRによる映像圧縮の競合性を実現する。
論文 参考訳（メタデータ） (2024-02-28T13:00:32Z) - UDC-UNet: Under-Display Camera Image Restoration via U-Shape Dynamic
Network [13.406025621307132]
Under-Display Camera(UDC)は、スマートフォンがフルスクリーンディスプレイを実現するのを助けるために広く利用されている。
スクリーンは必然的に光伝播プロセスに影響を与えるため、UDCシステムによって撮影された画像にはフレア、ヘイズ、ぼかし、ノイズが含まれている。
本稿では、HDRシーンにおける既知のポイントスプレッド機能(PSF)を用いて、UDC画像復元問題に対処する新しいディープモデル、UDC-UNetを提案する。
論文 参考訳（メタデータ） (2022-09-05T07:41:44Z) - Hybrid Pixel-Unshuffled Network for Lightweight Image Super-Resolution [64.54162195322246]
畳み込みニューラルネットワーク(CNN)は画像超解像(SR)において大きな成功を収めた
ほとんどのディープCNNベースのSRモデルは、高い性能を得るために大量の計算を処理している。
SRタスクに効率的かつ効果的なダウンサンプリングモジュールを導入することで,HPUN(Hybrid Pixel-Unshuffled Network)を提案する。
論文 参考訳（メタデータ） (2022-03-16T20:10:41Z) - Lightness Modulated Deep Inverse Tone Mapping [18.31269649436267]
シングルイメージHDR再構成や逆トーンマッピング(iTM)は難しい課題である。
深層畳み込みニューラルネットワーク(CNN)の特徴抽出とマッピング能力を利用した深層学習に基づくiTM法を提案する。
本手法の有効性を示す実験結果について述べる。
論文 参考訳（メタデータ） (2021-07-16T13:56:20Z) - Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。
本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。
反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文 参考訳（メタデータ） (2020-05-20T11:11:47Z)
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。