論文の概要: It Takes Two: A Duet of Periodicity and Directionality for Burst Flicker Removal

• arxiv url: http://arxiv.org/abs/2603.22794v1
• Date: Tue, 24 Mar 2026 04:32:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.309265
• Title: It Takes Two: A Duet of Periodicity and Directionality for Burst Flicker Removal
• Title（参考訳）: バーストフリッカ除去のための周期性と方向性の2つの方法
• Authors: Lishen Qu, Shihao Zhou, Jie Liang, Hui Zeng, Lei Zhang, Jufeng Yang,
• Abstract要約: 不安定な照明と行単位での露光の不整合から生じるフレッカ・アーティファクトは、短い露光撮影において大きな課題となる。 ゴースト化を導入することなく、効果的にフリックを除去するトランスフォーマーベースのアーキテクチャであるFlickerformerを提案する。 Flickerformerは、定量的メトリクスと視覚的品質の両方において最先端のアプローチより優れている。
• 参考スコア（独自算出の注目度）: 33.368752108326625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Flicker artifacts, arising from unstable illumination and row-wise exposure inconsistencies, pose a significant challenge in short-exposure photography, severely degrading image quality. Unlike typical artifacts, e.g., noise and low-light, flicker is a structured degradation with specific spatial-temporal patterns, which are not accounted for in current generic restoration frameworks, leading to suboptimal flicker suppression and ghosting artifacts. In this work, we reveal that flicker artifacts exhibit two intrinsic characteristics, periodicity and directionality, and propose Flickerformer, a transformer-based architecture that effectively removes flicker without introducing ghosting. Specifically, Flickerformer comprises three key components: a phase-based fusion module (PFM), an autocorrelation feed-forward network (AFFN), and a wavelet-based directional attention module (WDAM). Based on the periodicity, PFM performs inter-frame phase correlation to adaptively aggregate burst features, while AFFN exploits intra-frame structural regularities through autocorrelation, jointly enhancing the network's ability to perceive spatially recurring patterns. Moreover, motivated by the directionality of flicker artifacts, WDAM leverages high-frequency variations in the wavelet domain to guide the restoration of low-frequency dark regions, yielding precise localization of flicker artifacts. Extensive experiments demonstrate that Flickerformer outperforms state-of-the-art approaches in both quantitative metrics and visual quality. The source code is available at https://github.com/qulishen/Flickerformer.
• Abstract（参考訳）: フリックアーティファクトは、不安定な照明と行単位での露光の不整合から生じるもので、短い露光撮影において重大な課題であり、画像の品質が著しく低下している。 例えば、ノイズや低照度といった一般的な人工物とは異なり、フリックは特定の時空間パターンを持つ構造的な劣化であり、現在の一般的な修復フレームワークでは説明されていない。 本研究では, フラッカーアーチファクトには, 周期性と方向性という2つの固有の特徴があることを明らかにし, ゴースト化を伴わずにフラッカーを効果的に除去するトランスフォーマアーキテクチャであるFlickerformerを提案する。 具体的には、Flickerformerは、位相ベースの融合モジュール(PFM)、自動相関フィードフォワードネットワーク(AFFN)、ウェーブレットベースの指向性注意モジュール(WDAM)の3つのキーコンポーネントから構成される。 周期性に基づいて、PFMはフレーム間位相相関を行い、バースト特性を適応的に集約する一方、AFFNはフレーム内構造規則を自己相関によって利用し、空間的繰り返しパターンを知覚するネットワークの能力を共同で強化する。 さらに、フリックアーティファクトの方向性により、WDAMはウェーブレット領域の高周波変動を利用して、低周波の暗黒領域の復元を誘導し、フリックアーティファクトの正確な局所化をもたらす。 大規模な実験により、Flickerformerは定量的メトリクスと視覚的品質の両方において最先端のアプローチより優れていることが示された。 ソースコードはhttps://github.com/qulishen/Flickerformer.comで入手できる。

関連論文リスト

• BurstDeflicker: A Benchmark Dataset for Flicker Removal in Dynamic Scenes [36.35784556196341]
  本稿では,3つの補完的なデータ取得戦略を用いて構築したスケーラブルなベンチマークであるBurstDeflickerを紹介する。 まず,フリック除去の目標を再定義するRetinexベースの合成パイプラインを開発する。 第2に、異なるシーンから4000個の現実世界のフリック画像をキャプチャし、実際のフリックアーティファクトの空間的および時間的特性をよりよく理解するのに役立つ。
  論文  参考訳（メタデータ） (2025-10-11T03:46:34Z)
• Double Helix Diffusion for Cross-Domain Anomaly Image Generation [47.093354259479234]
  本稿ではDH-Diff(Double Helix Diffusion)について紹介する。DH-Diffは高忠実度異常画像と画素レベルのアノテーションマスクを同時に合成する新しいクロスドメイン生成フレームワークである。 DH-Diffは二重ヘリックスにインスパイアされたユニークなアーキテクチャを採用し、特徴分離、接続、マージのために異なるモジュールをサイクリングする。 大規模な実験により、DH-Diffは多様性と信頼性において最先端の手法を著しく上回り、下流異常検出性能は大幅に向上した。
  論文  参考訳（メタデータ） (2025-09-16T08:06:07Z)
• Exploring Fourier Prior and Event Collaboration for Low-Light Image Enhancement [1.8724535169356553]
  イベントカメラは低照度画像強調のための性能向上を提供する。 現在、既存のイベントベースのメソッドは、フレームとイベントを直接単一のモデルにフィードする。 本稿では,振幅-位相絡み付き可視性回復ネットワークを提案する。 第2段階では、空間的ミスマッチを軽減するために、動的アライメントを伴う融合戦略を提案する。
  論文  参考訳（メタデータ） (2025-08-01T04:25:00Z)
• Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
  そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。 拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
  論文  参考訳（メタデータ） (2025-07-02T01:22:46Z)
• Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement [24.5584423318892]
  極端に低照度な条件下では、フレームベースのカメラは、ダイナミックレンジの制限により、細部が著しく失われる。 近年の研究では、イベント誘導型低照度画像強調のためのイベントカメラが導入されている。 低光画像強調のための双方向画像イベント誘導融合フレームワークBiLIEを提案する。
  論文  参考訳（メタデータ） (2025-06-06T14:28:17Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• DeStripe: A Self2Self Spatio-Spectral Graph Neural Network with Unfolded Hessian for Stripe Artifact Removal in Light-sheet Microscopy [40.223974943121874]
  本稿では,光シート蛍光顕微鏡(LSFM)におけるDeStripeと呼ばれるブラインドアーティファクト除去アルゴリズムを提案する。 DeStripeは、一方向のアーティファクトと前景の画像の構造的差異を利用して、潜在的に破損した係数をローカライズする。 影響された係数をグラフニューラルネットワークに入力して、標準画像空間の構造が十分に保存されていることを保証するために、ヘッセン正規化をアンロールした状態でリカバリすることができる。
  論文  参考訳（メタデータ） (2022-06-27T16:13:57Z)

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。