論文の概要: Architectural Unification for Polarimetric Imaging Across Multiple Degradations

• arxiv url: http://arxiv.org/abs/2603.05834v1
• Date: Fri, 06 Mar 2026 02:38:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.896826
• Title: Architectural Unification for Polarimetric Imaging Across Multiple Degradations
• Title（参考訳）: 多重劣化におけるポラリメトリックイメージングのための構造統一
• Authors: Chu Zhou, Yufei Han, Junda Liao, Linrui Dai, Wangze Xu, Art Subpa-Asa, Heng Guo, Boxin Shi, Imari Sato,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 54.83037963738918
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polarimetric imaging aims to recover polarimetric parameters, including Total Intensity (TI), Degree of Polarization (DoP), and Angle of Polarization (AoP), from captured polarized measurements. In real-world scenarios, these measurements are frequently affected by diverse degradations such as low-light noise, motion blur, and mosaicing artifacts. Due to the nonlinear dependency of DoP and AoP on the measured intensities, accurately retrieving physically consistent polarimetric parameters from degraded observations remains highly challenging. Existing approaches typically adopt task-specific network architectures tailored to individual degradation types, limiting their adaptability across different restoration scenarios. Moreover, many methods rely on multi-stage processing pipelines that suffer from error accumulation, or operate solely in a single domain (either image or Stokes domain), failing to fully exploit the intrinsic physical relationships between them. In this work, we propose a unified architectural framework for polarimetric imaging that is structurally shared across multiple degradation scenarios. Rather than redesigning network structures for each task, our framework maintains a consistent architectural design while being trained separately for different degradations. The model performs single-stage joint image-Stokes processing, avoiding error accumulation and explicitly preserving physical consistency. Extensive experiments show that this unified architectural design, when trained for specific degradation types, consistently achieves state-of-the-art performance across low-light denoising, motion deblurring, and demosaicing tasks, establishing a versatile and physically grounded solution for degraded polarimetric imaging.
• Abstract（参考訳）: 偏光画像は、捕獲された偏光測定から全強度(TI)、偏光度(DoP)、偏光角度(AoP)などの偏光パラメータを復元することを目的としている。 現実のシナリオでは、これらの測定は低照度ノイズ、動きのぼかし、モーザリングアーティファクトなどの様々な劣化によって頻繁に影響を受ける。 測定強度に対するDoPとAoPの非線形依存性のため、劣化した観測から物理的に一貫した偏光度パラメータを正確に取り出すことは極めて困難である。 既存のアプローチでは、個々の分解タイプに合わせてタスク固有のネットワークアーキテクチャを採用しており、異なる復元シナリオ間で適応性を制限する。 さらに、多くの手法は、エラーの蓄積に苦しむマルチステージ処理パイプライン、あるいは単一のドメイン(イメージまたはストークスドメイン)でのみ動作するマルチステージ処理パイプラインに依存しており、それら間の本質的な物理的関係を完全に活用できない。 本研究では,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。 それぞれのタスクでネットワーク構造を再設計する代わりに、我々のフレームワークは、異なる劣化のために個別にトレーニングされながら、一貫したアーキテクチャ設計を維持します。 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。 広汎な実験により、この統一されたアーキテクチャ設計は、特定の劣化タイプのために訓練された場合、常に低照度デノイング、モーションデブロアリング、復調タスクにおける最先端のパフォーマンスを達成し、劣化した偏光画像のための多目的で物理的に基盤化されたソリューションを確立することが示されている。

関連論文リスト

• 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)
• PhyDAE: Physics-Guided Degradation-Adaptive Experts for All-in-One Remote Sensing Image Restoration [8.834663340762562]
  複雑で不均一な劣化は、画像の品質と下流の解釈タスクに深刻な課題を引き起こす。 本稿では物理誘導型劣化適応エキスパート(PhyDAE)を提案する。 暗黙的な特徴から明示的な決定信号に分解情報を変換する2段階のカスケードアーキテクチャを用いる。 PhyDAEは、パラメータ数と計算複雑性を大幅に削減しながら、復元品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-09T08:14:24Z)
• Nonlocal Retinex-Based Variational Model and its Deep Unfolding Twin for Low-Light Image Enhancement [3.174882428337821]
  本稿では,Retinex分解に基づく低照度画像強調のための変分法を提案する。 低照度画像に色補正前処理ステップを適用し、分解時に観察された入力として使用する。 我々は、演算子を学習可能なネットワークに置き換える深層展開モデルを導入することにより、モデルを拡張する。
  論文  参考訳（メタデータ） (2025-04-10T14:48:26Z)
• Neural Spline Fields for Burst Image Fusion and Layer Separation [40.9442467471977]
  ニューラルスプライン場を用いた2層α合成画像とフローモデルを用いた多目的中間表現を提案する。 提案手法では, バースト画像を高分解能な再構成に融合し, 透過層と閉塞層に分解することができる。 後処理のステップや事前学習がないため、当社の一般化可能なモデルは、既存の専用イメージやマルチビューの障害物除去アプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-12-21T18:54:19Z)
• NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
  多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。 本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
  論文  参考訳（メタデータ） (2023-11-22T06:28:30Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• 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。