論文の概要: Compositional-Degradation UAV Image Restoration: Conditional Decoupled MoE Network and A Benchmark

• arxiv url: http://arxiv.org/abs/2604.09313v1
• Date: Fri, 10 Apr 2026 13:27:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.881436
• Title: Compositional-Degradation UAV Image Restoration: Conditional Decoupled MoE Network and A Benchmark
• Title（参考訳）: 合成劣化型UAV画像復元:条件付き非結合MOEネットワークとベンチマーク
• Authors: Jinquan Yan, Zhicheng Zhao, Zhengzheng Tu, Chenglong Li, Jin Tang, Bin Luo,
• Abstract要約: UAV画像は、大面積マッピング、インフラ検査、緊急応答などのアプリケーションに重要である。 現実の飛行環境では、雨や迷路、騒音など、複数の劣化要因によって単一の画像が影響を受けることが多い。 DAME-Netは、劣化条件付き再構成から明確な劣化知覚を分離する、劣化認識用混合処理ネットワークである。
• 参考スコア（独自算出の注目度）: 27.358052049742764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: UAV images are critical for applications such as large-area mapping, infrastructure inspection, and emergency response. However, in real-world flight environments, a single image is often affected by multiple degradation factors, including rain, haze, and noise, undermining downstream task performance. Current unified restoration approaches typically rely on implicit degradation representations that entangle multiple factors into a single condition, causing mutual interference among heterogeneous corrections. To this end, we propose DAME-Net, a Degradation-Aware Mixture-of-Experts Network that decouples explicit degradation perception from degradation-conditioned reconstruction for compositional UAV image restoration. Specifically, we design a Factor-wise Degradation Perception module(FDPM) to provide explicit per-factor degradation cues for the restoration stage through multi-label prediction with label-similarity-guided soft alignment, replacing implicit entangled conditions with interpretable and generalizable degradation descriptions. Moreover, we develop a Conditioned Decoupled MoE module(CDMM) that leverages these cues for stage-wise conditioning, spatial-frequency hybrid processing, and mask-constrained decoupled expert routing, enabling selective factor-specific correction while suppressing irrelevant interference. In addition, we construct the Multi-Degradation UAV Restoration benchmark (MDUR), the first large-scale UAV benchmark for compositional UAV image restoration, with 43 degradation configurations from single degradations to four-factor composites and standardized seen/unseen splits.Extensive experiments on MDUR demonstrate consistent improvements over representative unified restoration methods, with greater gains on unseen and higher-order composite degradations. Downstream experiments further validate benefits for UAV object detection.
• Abstract（参考訳）: UAV画像は、大面積マッピング、インフラ検査、緊急応答などのアプリケーションに重要である。 しかし、現実の飛行環境では、雨、迷路、騒音など複数の劣化要因によって単一の画像が影響を受け、下流の作業性能を損なうことがよくある。 現在の統一修復アプローチは、通常、複数の因子を単一の条件に絡み合わせる暗黙の分解表現に依存し、不均一な修正の間に相互干渉を引き起こす。 そこで本稿では,DAME-Net(Degradation-Aware Mixture-of-Experts Network)を提案する。 具体的には、ラベル類似性誘導型ソフトアライメントによる多ラベル予測により、修復段階の因子ごとの劣化を明示するFDPMを設計し、暗黙の絡み合った条件を解釈可能で一般化可能な劣化記述に置き換える。 さらに,ステージワイドコンディショニング,空間周波数ハイブリッド処理,マスク拘束型デカップリング型エキスパートルーティングにこれらのキューを活用する条件付きデカップリング型MoEモジュール(CDMM)を開発し,無関係な干渉を抑えながら選択係数特異的な補正を可能にする。 さらに, 合成UAV画像復元のための大規模UAVベンチマークであるMulti-Degradation UAV Restorationベンチマーク(MDUR)を構築し, 単一劣化から4要素合成への43の分解構成と, 目視・見えない分割の標準化を行った。 下流での実験は、UAVオブジェクト検出の利点をさらに有効にする。

関連論文リスト

• M2IR: Proactive All-in-One Image Restoration via Mamba-style Modulation and Mixture-of-Experts [38.201178244663765]
  M2IRは、符号化段階における劣化伝播を制御し、復号過程における残留劣化を効率的に除去する。 Mamba-Style Transformer (MST) ブロックは、劣化を緩和するために画素ワイズ選択状態変調を行う。 Adaptive Degradation Expert Collaboration (ADEC)モジュールはDA-CLIP駆動ルータによってガイドされ、共有専門家によって補完され、劣化を除去する。
  論文  参考訳（メタデータ） (2026-03-16T04:37:29Z)
• Combined Flicker-banding and Moire Removal for Screen-Captured Images [24.036188551666573]
  本研究は,スクリーンキャプチャ画像におけるモアレパターンとフリックバンドの同時除去に関する最初の体系的研究である。 このタスクを支援するために,モアレパターンとフリックバンド処理の両方を含む大規模データセットを構築した。 また,ISPベースのフラッカシミュレーションパイプラインを導入し,モデルトレーニングを安定化し,劣化分布を拡大する。
  論文  参考訳（メタデータ） (2026-02-02T02:53:41Z)
• ClusIR: Towards Cluster-Guided All-in-One Image Restoration [72.16989784735796]
  ClusIRは、統一されたフレームワーク内でさまざまな劣化から高品質なイメージを復元することを目的としている。 ClusIRは、確率的クラスタ誘導ルーティング機構(PCGRM)と劣化対応周波数変調モジュール(DAFMM)の2つの重要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-12-11T18:59:47Z)
• 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)
• UniRes: Universal Image Restoration for Complex Degradations [53.74404005987783]
  実世界のイメージ復元は、様々なキャプチャ条件、キャプチャデバイス、後処理パイプラインから生じるさまざまな劣化によって妨げられている。 UniResという名前の、シンプルで柔軟な拡散ベースのフレームワークは、このような劣化をエンドツーエンドで解決するために提案されている。 提案手法は, 複合劣化画像復元データセットと単分解画像復元データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2025-06-05T21:25:39Z)
• 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)
• DR2: Diffusion-based Robust Degradation Remover for Blind Face Restoration [66.01846902242355]
  ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。 トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。 本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T06:05:18Z)

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。