論文の概要: Seeing Through the PRISM: Compound & Controllable Restoration of Scientific Images

• arxiv url: http://arxiv.org/abs/2603.14151v1
• Date: Sat, 14 Mar 2026 23:04:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.634922
• Title: Seeing Through the PRISM: Compound & Controllable Restoration of Scientific Images
• Title（参考訳）: PRISMを通して見る:科学画像の複合化と制御可能な復元
• Authors: Rupa Kurinchi-Vendhan, Pratyusha Sharma, Antonio Torralba, Sara Beery,
• Abstract要約: PRISMは、混合劣化に対する複合認識の監督と、原始体とそれらの混合物を潜伏空間で整列させる重み付きコントラスト的非絡み合いの目的を組み合わせた条件拡散フレームワークである。 PRISMは顕微鏡、野生生物の監視、リモートセンシング、都市気象のデータセット全体にわたって、訓練中に見えないゼロショット混合物を含む複雑な化合物の劣化に対する最先端のベースラインを上回っている。 これらの結果は、科学的効用が優先される領域において、PRISMを高忠実性回復のための一般化可能かつ制御可能なフレームワークとして確立する。
• 参考スコア（独自算出の注目度）: 35.383814608075674
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Scientific and environmental imagery often suffer from complex mixtures of noise related to the sensor and the environment. Existing restoration methods typically remove one degradation at a time, leading to cascading artifacts, overcorrection, or loss of meaningful signal. In scientific applications, restoration must be able to simultaneously handle compound degradations while allowing experts to selectively remove subsets of distortions without erasing important features. To address these challenges, we present PRISM (Precision Restoration with Interpretable Separation of Mixtures). PRISM is a prompted conditional diffusion framework which combines compound-aware supervision over mixed degradations with a weighted contrastive disentanglement objective that aligns primitives and their mixtures in the latent space. This compositional geometry enables high-fidelity joint removal of overlapping distortions while also allowing flexible, targeted fixes through natural language prompts. Across microscopy, wildlife monitoring, remote sensing, and urban weather datasets, PRISM outperforms state-of-the-art baselines on complex compound degradations, including zero-shot mixtures not seen during training. Importantly, we show that selective restoration significantly improves downstream scientific accuracy in several domains over standard "black-box" restoration. These results establish PRISM as a generalizable and controllable framework for high-fidelity restoration in domains where scientific utility is a priority.
• Abstract（参考訳）: 科学的・環境的なイメージは、しばしばセンサーと環境に関する複雑なノイズの混合に悩まされる。 既存の復元方法は、通常、一度に1つの劣化を除去し、カスケードしたアーティファクト、過度な補正、意味のある信号の喪失につながる。 科学的応用では、修復は複合劣化を同時に処理できなければならないが、専門家は重要な特徴を消去することなく歪みのサブセットを選択的に除去することができる。 これらの課題に対処するため,PRISM(Precision Restoration with Interpretable separation of Mixtures)を提案する。 PRISMは、混合劣化に対する複合認識の監視と、原始体とそれらの混合物を潜在空間内で整列させる重み付けされたコントラスト的非絡み合いの目的を組み合わせた、誘導的条件拡散フレームワークである。 この構成幾何学は、重なり合う歪みの高忠実な関節除去を可能にすると同時に、自然言語のプロンプトを通じて柔軟で目標とする修正を可能にする。 PRISMは顕微鏡、野生生物の監視、リモートセンシング、都市気象のデータセット全体にわたって、訓練中に見えないゼロショット混合物を含む複雑な化合物の劣化に対する最先端のベースラインを上回っている。 重要なことは,選択的修復は,標準的なブラックボックス修復よりもいくつかの領域において,下流の科学的精度を著しく向上させることである。 これらの結果は、科学的効用が優先される領域において、PRISMを高忠実性回復のための一般化可能かつ制御可能なフレームワークとして確立する。

関連論文リスト

• ClusIR: Towards Cluster-Guided All-in-One Image Restoration [72.16989784735796]
  ClusIRは、統一されたフレームワーク内でさまざまな劣化から高品質なイメージを復元することを目的としている。 ClusIRは、確率的クラスタ誘導ルーティング機構(PCGRM)と劣化対応周波数変調モジュール(DAFMM)の2つの重要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-12-11T18:59:47Z)
• WeatherCycle: Unpaired Multi-Weather Restoration via Color Space Decoupled Cycle Learning [30.62082910458533]
  マルチウェザー条件下での教師なし画像復元は根本的だが未発見の課題である。 気象の回復を双方向の劣化コンテンツ翻訳サイクルとして再構成する統合フレームワークである textbfWeatherCycle を提案する。 本手法は, 複雑な気象劣化に対する強い一般化を図りながら, 教師なしアプローチの最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-27T06:44:27Z)
• UniRes: Universal Image Restoration for Complex Degradations [53.74404005987783]
  実世界のイメージ復元は、様々なキャプチャ条件、キャプチャデバイス、後処理パイプラインから生じるさまざまな劣化によって妨げられている。 UniResという名前の、シンプルで柔軟な拡散ベースのフレームワークは、このような劣化をエンドツーエンドで解決するために提案されている。 提案手法は, 複合劣化画像復元データセットと単分解画像復元データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2025-06-05T21:25:39Z)
• ControlFusion: A Controllable Image Fusion Framework with Language-Vision Degradation Prompts [82.52042409680267]
  現在の画像融合法は、現実の撮像シナリオで発生する複合劣化に対処するのに苦労している。 本稿では,制御フュージョンと呼ばれる言語ビジョンプロンプトを用いた制御可能な画像融合フレームワークを提案する。 実験では、制御フュージョンは、融合品質と劣化処理においてSOTA融合法より優れている。
  論文  参考訳（メタデータ） (2025-03-30T08:18:53Z)
• UniUIR: Considering Underwater Image Restoration as An All-in-One Learner [62.65503609562905]
  我々はUniUIRと呼ばれるユニバーサル水中画像復元手法を提案する。 劣化固有の問題を分離し、UIRタスクにおける様々な劣化の相関関係を探るため、我々はMamba Mixture-of-Expertsモジュールを設計した。 このモジュールは、空間領域と周波数領域の両方において劣化前の情報を抽出し、最適なタスク固有のプロンプトを適応的に選択する。
  論文  参考訳（メタデータ） (2025-01-22T16:10:42Z)
• Joint Conditional Diffusion Model for Image Restoration with Mixed Degradations [29.14467633167042]
  悪天候下における画像復元のための新しい手法を提案する。 大気散乱モデルに基づく混合劣化モデルを用いて, 復元過程全体を導出する。 マルチウェザーおよび気象特化データセットの実験は、最先端の競合手法よりも、我々の手法が優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-11T14:07:16Z)

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。