論文の概要: High-Fidelity Mural Restoration via a Unified Hybrid Mask-Aware Transformer
- arxiv url: http://arxiv.org/abs/2604.03984v1
- Date: Sun, 05 Apr 2026 06:09:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.861922
- Title: High-Fidelity Mural Restoration via a Unified Hybrid Mask-Aware Transformer
- Title（参考訳）: 統一型マスク対応変圧器による高忠実性致死修復
- Authors: Jincheng Jiang, Qianhao Han, Chi Zhang, Zheng Zheng,
- Abstract要約: 本稿では,高忠実度壁画復元のための統合フレームワークであるHybrid Mask-Aware Transformer(HMAT)を提案する。
HMATはMask-Aware Dynamic Filteringを統合し,ゆるやかな局所テクスチャモデリングと,長距離構造推論のためのTransformerのボトルネックを実現する。
DHMuralデータセットとキュレートされたNine-Colored DeerデータセットのHMATを各種劣化レベルで評価した。
- 参考スコア（独自算出の注目度）: 4.537756821634775
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ancient murals are valuable cultural artifacts, but many have suffered severe degradation due to environmental exposure, material aging, and human activity. Restoring these artworks is challenging because it requires both reconstructing large missing structures and strictly preserving authentic, undamaged regions. This paper presents the Hybrid Mask-Aware Transformer (HMAT), a unified framework for high-fidelity mural restoration. HMAT integrates Mask-Aware Dynamic Filtering for robust local texture modeling with a Transformer bottleneck for long-range structural inference. To further address the diverse morphology of degradation, we introduce a mask-conditional style fusion module that dynamically guides the generative process. In addition, a Teacher-Forcing Decoder with hard-gated skip connections is designed to enforce fidelity in valid regions and focus reconstruction on missing areas. We evaluate HMAT on the DHMural dataset and a curated Nine-Colored Deer dataset under varying degradation levels. Experimental results demonstrate that the proposed method achieves competitive performance compared to state-of-the-art approaches, while producing more structurally coherent and visually faithful restorations. These findings suggest that HMAT provides an effective solution for the digital restoration of cultural heritage murals.
- Abstract（参考訳）: 古代の壁画は貴重な文化財であるが、環境曝露、材質の老朽化、人的活動による深刻な劣化に悩まされているものも多い。
これらのアートワークの復元は、大きな欠落した建物を再建することと、真正で損傷のない地域を厳密に保存することの両方を必要とするため、難しい。
本稿では,高忠実度壁画復元のための統合フレームワークであるHybrid Mask-Aware Transformer(HMAT)を提案する。
HMATはMask-Aware Dynamic Filteringを統合し,ゆるやかな局所テクスチャモデリングと,長距離構造推論のためのTransformerのボトルネックを実現する。
さらに, 劣化の多様な形態に対処するために, 生成過程を動的に導くマスク条件型融合モジュールを導入する。
さらに、ハードゲートスキップ接続を持つ教師強制デコーダは、有効領域の忠実さを強制し、行方不明領域の再構築に集中するように設計されている。
DHMuralデータセットとキュレートされたNine-Colored DeerデータセットのHMATを各種劣化レベルで評価した。
提案手法は, より構造的に整合性があり, 視覚的に忠実な復元を行いながら, 最先端の手法と比較して競争性能が向上することを示した。
これらの結果は,HMATが文化遺産壁画のデジタル復元に有効であることを示している。
関連論文リスト
- Synthetic Craquelure Generation for Unsupervised Painting Restoration [17.344021694835345]
ドメイン固有の合成クラックルアジェネレータによって駆動される完全にアノテーションのないフレームワークを提案する。
我々のアプローチでは、古典的なモルフォロジー検出器と学習ベースリファインメントモジュールを結合する。
私たちのパイプラインは、ゼロショット設定で最先端の写真復元モデルよりも大幅に優れています。
論文 参考訳（メタデータ） (2026-02-13T09:13:46Z) - StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。
最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。
結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
論文 参考訳（メタデータ） (2026-01-12T15:41:27Z) - InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。
我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
論文 参考訳（メタデータ） (2026-01-05T13:26:02Z) - Learning to Restore Multi-Degraded Images via Ingredient Decoupling and Task-Aware Path Adaptation [51.10017611491389]
現実のイメージは、雨、騒音、ヘイズのような複数の共存する劣化に悩まされることが多い。
本稿では, 劣化成分の分解表現を利用して, 画像の再構成を行う適応型多重劣化画像復元ネットワークを提案する。
その結果、IMDNetと呼ばれる密に統合されたアーキテクチャは、実験を通じて広範囲に検証されている。
論文 参考訳（メタデータ） (2025-11-07T01:50:36Z) - CMAMRNet: A Contextual Mask-Aware Network Enhancing Mural Restoration Through Comprehensive Mask Guidance [30.894770136468107]
壁画のデジタル復元は、複雑な劣化パターンのために固有の課題に直面している。
本稿では,これらの制約に対処するコンテキストマスク対応Mural Restoration NetworkであるCMAMRNetを提案する。
1)Mask-Aware Up/Down-Sampler (MAUDS)。
CMAMRNetは,復元された壁画において,構造的整合性と芸術的細部の両方を効果的に保存し,最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-08-10T02:00:45Z) - High-Fidelity Image Inpainting with Multimodal Guided GAN Inversion [15.202130790708747]
本稿では,画像インペイントのための新しいGANインバージョン手法MMInvertFillを提案する。
MMInvertFillは、主に事前変調のマルチモーダル誘導エンコーダと、F&W+遅延空間のGANジェネレータを含む。
MMInvertFillは他の最先端技術よりも質的に定量的に優れていることを示す。
論文 参考訳（メタデータ） (2025-04-17T10:58:45Z) - DiffuMural: Restoring Dunhuang Murals with Multi-scale Diffusion [2.502637171979533]
マルチスケール収束と協調拡散機構を組み合わせたDiffuMuralを提案する。
評価フレームワークには,不完全な壁画を定量的に評価するための4つの重要な指標が組み込まれている。
本手法は,定性的,定量的両指標において,最先端(SOTA)アプローチより優れる。
論文 参考訳（メタデータ） (2025-04-13T10:35:25Z) - Directing Mamba to Complex Textures: An Efficient Texture-Aware State Space Model for Image Restoration [75.51789992466183]
TAMAMbaIRは画像テクスチャの達成と性能と効率のトレードオフを同時に知覚する。
画像超解像, デラリニング, 低照度画像強調のためのベンチマーク実験により, TAMAMbaIRは高い効率で最先端の性能を達成できることを示した。
論文 参考訳（メタデータ） (2025-01-27T23:53:49Z) - Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding [67.57487747508179]
マルチインワン画像復元 (IR) は, 一つのモデルで全ての種類の劣化画像復元を処理し, 大幅な進歩を遂げている。
本稿では,単一と混合の分解で画像を効果的に復元できる新しいマルチインワンIRモデルを提案する。
論文 参考訳（メタデータ） (2024-11-25T09:26:34Z)
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。