論文の概要: UCMNet: Uncertainty-Aware Context Memory Network for Under-Display Camera Image Restoration

• arxiv url: http://arxiv.org/abs/2604.00381v1
• Date: Wed, 01 Apr 2026 02:05:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.789222
• Title: UCMNet: Uncertainty-Aware Context Memory Network for Under-Display Camera Image Restoration
• Title（参考訳）: UCMNet:アンダーディスクカメラ画像復元のための不確かさを意識したコンテキスト記憶ネットワーク
• Authors: Daehyun Kim, Youngmin Kim, Yoon Ju Oh, Tae Hyun Kim,
• Abstract要約: インダーディスプレイカメラ(UDC)は、ディスプレイの下に撮像センサーを配置することで、フルスクリーンのデザインを可能にする。 光回折と様々な表示層への散乱は、空間的に変化し、複雑な劣化をもたらす。 UDC画像復元のための軽量な textbfUncertainty-aware textbfNetwork (textbfUCMNet) を提案する。
• 参考スコア（独自算出の注目度）: 15.175321645482555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Under-display cameras (UDCs) allow for full-screen designs by positioning the imaging sensor underneath the display. Nonetheless, light diffraction and scattering through the various display layers result in spatially varying and complex degradations, which significantly reduce high-frequency details. Current PSF-based physical modeling techniques and frequency-separation networks are effective at reconstructing low-frequency structures and maintaining overall color consistency. However, they still face challenges in recovering fine details when dealing with complex, spatially varying degradation. To solve this problem, we propose a lightweight \textbf{U}ncertainty-aware \textbf{C}ontext-\textbf{M}emory \textbf{Network} (\textbf{UCMNet}), for UDC image restoration. Unlike previous methods that apply uniform restoration, UCMNet performs uncertainty-aware adaptive processing to restore high-frequency details in regions with varying degradations. The estimated uncertainty maps, learned through an uncertainty-driven loss, quantify spatial uncertainty induced by diffraction and scattering, and guide the Memory Bank to retrieve region-adaptive context from the Context Bank. This process enables effective modeling of the non-uniform degradation characteristics inherent to UDC imaging. Leveraging this uncertainty as a prior, UCMNet achieves state-of-the-art performance on multiple benchmarks with 30\% fewer parameters than previous models. Project page: \href{https://kdhrick2222.github.io/projects/UCMNet/}{https://kdhrick2222.github.io/projects/UCMNet}.
• Abstract（参考訳）: インダーディスプレイカメラ(UDC)は、ディスプレイの下に撮像センサーを配置することで、フルスクリーンのデザインを可能にする。 それでも、様々な表示層を透過する光回折と散乱は、空間的に変化し、複雑な劣化をもたらし、高周波の詳細を著しく減少させる。 現在のPSFに基づく物理モデリング技術と周波数分離ネットワークは、低周波構造を再構築し、全体的な色整合性を維持するのに有効である。 しかし、複雑な空間的に異なる劣化を扱う際には、細部を回復する上で依然として課題に直面している。 この問題を解決するために,UDC画像復元のための軽量な \textbf{U}ncertainty-aware \textbf{C}ontext-\textbf{M}emory \textbf{Network} (\textbf{UCMNet}) を提案する。 均一な復元を行う従来の方法とは異なり、UCMNetは不確実性を認識した適応処理を行い、劣化の異なる領域の高周波の詳細を復元する。 推定不確実性マップは、不確実性による損失を通じて学習され、回折や散乱によって引き起こされる空間不確実性を定量化し、メモリバンクにコンテキストバンクから領域適応コンテキストを検索するよう誘導する。 このプロセスは、UDCイメージングに固有の不均一な劣化特性を効果的にモデル化することを可能にする。 この不確実性を事前として活用することで、UCMNetは従来のモデルよりもパラメータが30倍少ない複数のベンチマークで最先端のパフォーマンスを達成する。 プロジェクトページ: \href{https://kdhrick2222.github.io/projects/UCMNet/}{https://kdhrick2222.github.io/projects/UCMNet}

関連論文リスト

• Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
  オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。 本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。 我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
  論文  参考訳（メタデータ） (2025-12-11T12:20:31Z)
• When Color-Space Decoupling Meets Diffusion for Adverse-Weather Image Restoration [31.345996524182127]
  我々はLumina-Chroma Decomposition Network(LCDN)とLumina-Guided Diffusion Model(LGDM)を提示する。 LCDNは、YCbCr色空間で劣化した画像を処理し、分解関連輝度と劣化不変色成分を別々に処理する。 LGDMにはTextitDynamic Time Step Lossが組み込まれており、デノナイジングネットワークを最適化し、画像内の低周波と高周波の両方の特徴のバランスの取れた回復を保証する。
  論文  参考訳（メタデータ） (2025-09-21T10:39:06Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• 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)
• PRISTA-Net: Deep Iterative Shrinkage Thresholding Network for Coded Diffraction Patterns Phase Retrieval [6.982256124089]
  位相検索は、計算画像および画像処理における非線型逆問題である。 我々は,1次反復しきい値しきい値アルゴリズム(ISTA)に基づく深層展開ネットワークであるPRISTA-Netを開発した。 非線形変換,しきい値,ステップサイズなど,提案するPRISTA-Netフレームワークのパラメータはすべて,設定されるのではなく,エンドツーエンドで学習される。
  論文  参考訳（メタデータ） (2023-09-08T07:37:15Z)
• Infrared Image Deturbulence Restoration Using Degradation Parameter-Assisted Wide & Deep Learning [12.305318121246277]
  本研究では,パラメータ支援型マルチフレームネットワークであるDparNetを提案する。 DparNetは、外部の知識なしに、劣化した画像から直接劣化を学習する。 修復性能と効率性において、ステート・オブ・ザ・アーツ(SOTA)法を著しく上回っている。
  論文  参考訳（メタデータ） (2023-05-30T03:24:09Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)
• 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)
• Asymmetric CNN for image super-resolution [102.96131810686231]
  深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。 画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。 我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
  論文  参考訳（メタデータ） (2021-03-25T07:10:46Z)

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。