論文の概要: RASLF: Representation-Aware State Space Model for Light Field Super-Resolution

• arxiv url: http://arxiv.org/abs/2603.16243v1
• Date: Tue, 17 Mar 2026 08:28:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.170003
• Title: RASLF: Representation-Aware State Space Model for Light Field Super-Resolution
• Title（参考訳）: RASLF:光場超解像のための表現対応状態空間モデル
• Authors: Zeqiang Wei, Kai Jin, Kuan Song, Xiuzhuang Zhou, Wenlong Chen, Min Xu,
• Abstract要約: RASLFは、複数のLF表現にまたがる構造的相関を明示的にモデル化する、表現対応のステートスペースフレームワークである。 本稿では、異なる表現空間の物理特性に基づいて走査経路を動的に調整するRepresentation Aware Asymmetric Scanning機構を提案する。 様々な公開ベンチマーク実験により、RASLFは高い計算効率を保ちながら、最も高い再構成精度を達成することが示された。
• 参考スコア（独自算出の注目度）: 16.453425321865762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current SSM-based light field super-resolution (LFSR) methods often fail to fully leverage the complementarity among various LF representations, leading to the loss of fine textures and geometric misalignments across views. To address these issues, we propose RASLF, a representation-aware state-space framework that explicitly models structural correlations across multiple LF representations. Specifically, a Progressive Geometric Refinement (PGR) block is created that uses a panoramic epipolar representation to explicitly encode multi-view parallax differences, thereby enabling integration across different LF representations. Furthermore, we introduce a Representation Aware Asymmetric Scanning (RAAS) mechanism that dynamically adjusts scanning paths based on the physical properties of different representation spaces, optimizing the balance between performance and efficiency through path pruning. Additionally, a Dual-Anchor Aggregation (DAA) module improves hierarchical feature flow, reducing redundant deeplayer features and prioritizing important reconstruction information. Experiments on various public benchmarks show that RASLF achieves the highest reconstruction accuracy while remaining highly computationally efficient.
• Abstract（参考訳）: 現在のSSMベースの光場超解像法(LFSR)は、様々なLF表現の相補性を十分に活用することができず、ビュー全体の微妙なテクスチャや幾何学的ミスアライメントが失われる。 これらの問題に対処するために、複数のLF表現にまたがる構造的相関を明示的にモデル化する表現対応状態空間フレームワークであるRASLFを提案する。 具体的には、パノラマエピポーラ表現を用いて、多視点パララックス差を明示的に符号化し、異なるLF表現間の統合を可能にするプログレッシブ・ジオメトリクス・リファインメント(PGR)ブロックを作成する。 さらに、異なる表現空間の物理特性に基づいて走査経路を動的に調整し、経路切断による性能と効率のバランスを最適化するRepresentation Aware Asymmetric Scanning (RAAS)機構を導入する。 さらに、Dual-Anchor Aggregation (DAA)モジュールは階層的特徴フローを改善し、冗長な深層特性を低減し、重要な再構築情報を優先順位付けする。 様々な公開ベンチマーク実験により、RASLFは高い計算効率を保ちながら、最も高い再構成精度を達成することが示された。

関連論文リスト

• Efficient Image Super-Resolution with Multi-Scale Spatial Adaptive Attention Networks [3.4782736103257323]
  本稿では,マルチスケール空間適応注意ネットワーク(MSAAN)と呼ばれる,軽量画像超解像(SR)ネットワークを提案する。 提案手法のコアとなるのは,局所的な細部と長期のコンテキスト依存性を協調的にモデル化する,マルチスケール空間適応型注意モジュール(MSAA)である。
  論文  参考訳（メタデータ） (2026-02-22T07:47:39Z)
• CSMCIR: CoT-Enhanced Symmetric Alignment with Memory Bank for Composed Image Retrieval [54.15776146365823]
  Composed Image Retrieval (CIR)では、ユーザーは参照画像と操作テキストの両方を使用してターゲットイメージを検索できる。 CSMCIRは3つの相乗的コンポーネントを通して効率的なクエリターゲットアライメントを実現する統一表現フレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T09:21:38Z)
• Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
  画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。 我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。 このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
  論文  参考訳（メタデータ） (2025-05-24T12:52:10Z)
• Equal is Not Always Fair: A New Perspective on Hyperspectral Representation Non-Uniformity [42.8098014428052]
  ハイパースペクトル画像(HSI)の表現は、広汎な非一様性によって根本的に挑戦される。 フェアネス指向のフレームワークであるFairHypを提案する。 本研究は,HSIモデリングにおける構造的必要条件として公正性を再定義し,適応性,効率,忠実性のバランスをとるための新たなパラダイムを提供する。
  論文  参考訳（メタデータ） (2025-05-16T14:00:11Z)
• Diffusion-based Light Field Synthesis [50.24624071354433]
  LFdiffは、LF合成に適した拡散ベースの生成フレームワークである。 本稿では,遠絡型雑音推定ネットワークDistgUnetを提案する。 広範囲な実験により、LFdiffは視覚的に快く、不均一に制御可能な光電場を合成する際に優れていることが示されている。
  論文  参考訳（メタデータ） (2024-02-01T13:13:16Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
  トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。 また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。 提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
  論文  参考訳（メタデータ） (2023-01-15T16:19:18Z)
• A Hierarchical Coding Scheme for Glasses-free 3D Displays Based on Scalable Hybrid Layered Representation of Real-World Light Fields [0.6091702876917279]
  Schemeは、異なる走査順序から決定される光界ビューのサブセットから、積み重ねた乗法レイヤを学習する。 層状パターンの空間的相関は、クリロフ部分空間上の特異値分解から導かれる係数化の低い階数で悪用される。 HEVCによるエンコーディングは、低ランク近似層におけるイントラビューおよびインタービュー相関を効率的に除去する。
  論文  参考訳（メタデータ） (2021-04-19T15:09:21Z)

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。