論文の概要: PolarAPP: Beyond Polarization Demosaicking for Polarimetric Applications

• arxiv url: http://arxiv.org/abs/2603.23071v1
• Date: Tue, 24 Mar 2026 11:07:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.447255
• Title: PolarAPP: Beyond Polarization Demosaicking for Polarimetric Applications
• Title（参考訳）: PolarAPP: ポラリメトリックアプリケーションのための偏光デモサックを超えて
• Authors: Yidong Luo, Chenggong Li, Yunfeng Song, Ping Wang, Boxin Shi, Junchao Zhang, Xin Yuan,
• Abstract要約: ポラリメトリックイメージングは、通常の推定やデフレクションのような高度な視覚応用を可能にする。 既存のアプリケーションは、焦点の分割センサーから生計測を鼻で再分類することで構築されたデータセットに依存している。 デモサイクリングと下流タスクを協調的に最適化する最初のフレームワークであるPolarAPPを提案する。
• 参考スコア（独自算出の注目度）: 43.48882461819429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polarimetric imaging enables advanced vision applications such as normal estimation and de-reflection by capturing unique surface-material interactions. However, existing applications (alternatively called downstream tasks) rely on datasets constructed by naively regrouping raw measurements from division-of-focal-plane sensors, where pixels of the same polarization angle are extracted and aligned into sparse images without proper demosaicking. This reconstruction strategy results in suboptimal, incomplete targets that limit downstream performance. Moreover, current demosaicking methods are task-agnostic, optimizing only for photometric fidelity rather than utility in downstream tasks. Towards this end, we propose PolarAPP, the first framework to jointly optimize demosaicking and its downstream tasks. PolarAPP introduces a feature alignment mechanism that semantically aligns the representations of demosaicking and downstream networks via meta-learning, guiding the reconstruction to be task-aware. It further employs an equivalent imaging constraint for demosaicking training, enabling direct regression to physically meaningful outputs without relying on rearranged data. Finally, a task-refinement stage fine-tunes the task network using the stable demosaicking front-end to further enhance accuracy. Extensive experimental results demonstrate that PolarAPP outperforms existing methods in both demosaicking quality and downstream performance. Code is available upon acceptance.
• Abstract（参考訳）: ポラリメトリックイメージングは、独自の表面-材料相互作用をキャプチャすることで、通常の推定やデフレクションのような高度な視覚応用を可能にする。 しかし、既存のアプリケーション(逆に下流タスクと呼ばれる)は、同じ偏光角のピクセルを抽出し、適切な復光を行わずにスパース画像に配置する、焦点の分割センサーから生計測をナビゲートすることで構築されたデータセットに依存している。 この再構成戦略は、下流の性能を制限する最適で不完全な目標をもたらす。 さらに、現在の復号法はタスク非依存であり、下流タスクの実用性ではなく、測光忠実度のみに最適化されている。 この目的に向けて、デモサックと下流タスクを協調的に最適化する最初のフレームワークであるPolarAPPを提案する。 PolarAPPは、メタラーニングを通じてデモサックとダウンストリームネットワークの表現を意味的に整列する機能アライメント機構を導入し、再構築をタスク対応に導く。 さらに、復調訓練に等価なイメージング制約を採用し、再配置されたデータに頼ることなく、物理的に意味のある出力への直接回帰を可能にする。 そして、安定な復調フロントエンドを用いてタスクネットワークを微調整し、精度をさらに向上する。 大規模な実験結果から、PolarAPPは既存の手法よりも、品質とダウンストリームのパフォーマンスの両面で優れています。 コードは受理時に利用可能である。

関連論文リスト

• Score-Guided Proximal Projection: A Unified Geometric Framework for Rectified Flow Editing [1.0312968200748118]
  Rectified Flowモデルは最先端の世代品質を実現するが、正確なタスクのためにそれらを制御することは依然として困難である。 現在のアプローチは「幾何学的ロック」に苦しむ逆法に基づくガイダンスに分岐する Score-Guided Proximal Projectionは,決定論的最適化と縮尺サンプリングのギャップを埋める統一フレームワークである。
  論文  参考訳（メタデータ） (2026-03-05T23:44:45Z)
• Evaluation of Polarimetric Fusion for Semantic Segmentation in Aquatic Environments [0.764671395172401]
  ポラリメトリック・イメージングは、浮遊物体のセマンティックセグメンテーションを妨害する水面グレアを緩和する単一センサーの経路を提供する。 我々は、内陸水路におけるプラスチックボトルの偏光画像の公開データセットであるPoTATO上で、最先端の核融合ネットワークをベンチマークした。
  論文  参考訳（メタデータ） (2025-09-29T12:57:20Z)
• Polarization Denoising and Demosaicking: Dataset and Baseline Method [18.70317918218011]
  分割焦点平面(DoFP)偏光計により,複数の偏光方向の画像を1ショットで取得できる。 DoFPポラリメータの画像処理パイプラインには,2つの重要なタスクがある。 偏極分解・復調のための新しいデータセットと手法を提案する。
  論文  参考訳（メタデータ） (2025-09-12T09:40:42Z)
• Glossy Object Reconstruction with Cost-effective Polarized Acquisition [41.96986483856648]
  この研究は、コスト効率の良い取得ツールを使用するスケーラブルな分極支援アプローチを導入している。 提案手法は,物体表面の分極的BRDF,ストークスベクトル,偏光状態をニューラル暗黙的場として表現する。 偏光レンダリングの暗黙的な表現に基本的な物理原理を活用することにより,本手法は既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-09T16:38:51Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Video Frame Interpolation for Polarization via Swin-Transformer [9.10220649654041]
  ビデオフレーム補間 (VFI) は広く研究され、実証されてきたが、偏光への応用は未解明のままである。 本研究では,Swin-Transformerに基づくマルチステージ・マルチスケールネットワークSwin-VFIを提案する。 実験の結果,全てのタスクにおいて,提案手法の再現精度が優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-17T09:48:54Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
  本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。 提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-08T01:59:20Z)

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。