論文の概要: MatRes: Zero-Shot Test-Time Model Adaptation for Simultaneous Matching and Restoration

• arxiv url: http://arxiv.org/abs/2604.10081v1
• Date: Sat, 11 Apr 2026 07:57:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.830253
• Title: MatRes: Zero-Shot Test-Time Model Adaptation for Simultaneous Matching and Restoration
• Title（参考訳）: MatRes: 同時マッチングと復元のためのゼロショットテスト時間モデル適応
• Authors: Kanggeon Lee, Soochahn Lee, Kyoung Mu Lee,
• Abstract要約: MatResはゼロショットテスト時間適応フレームワークで、復元品質と対応推定を共同で改善する。 MatResは、ユーザーが通常、シーンの複数の画像をキャプチャする現実世界のシナリオに対して、実用的で広く適用可能なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 47.944896477309555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world image pairs often exhibit both severe degradations and large viewpoint changes, making image restoration and geometric matching mutually interfering tasks when treated independently. In this work, we propose MatRes, a zero-shot test-time adaptation framework that jointly improves restoration quality and correspondence estimation using only a single low-quality and high-quality image pair. By enforcing conditional similarity at corresponding locations, MatRes updates only lightweight modules while keeping all pretrained components frozen, requiring no offline training or additional supervision. Extensive experiments across diverse combinations show that MatRes yields significant gains in both restoration and geometric alignment compared to using either restoration or matching models alone. MatRes offers a practical and widely applicable solution for real-world scenarios where users commonly capture multiple images of a scene with varying viewpoints and quality, effectively addressing the often-overlooked mutual interference between matching and restoration.
• Abstract（参考訳）: 実世界のイメージペアは、しばしば深刻な劣化と大きな視点の変化を示し、独立して扱われるときに、画像復元と幾何的マッチングを相互に干渉させる。 本研究では,低品質かつ高画質の画像ペアのみを用いて,復元品質と対応性の評価を共同で改善するゼロショットテストタイム適応フレームワークであるMatResを提案する。 対応する場所で条件の類似を強制することにより、MateResは軽量モジュールのみを更新し、事前訓練されたすべてのコンポーネントを凍結し、オフライントレーニングや追加の監視を必要としない。 様々な組み合わせの広範な実験により、MateResは復元モデルと整合モデルの両方を使用する場合と比較して、復元と幾何学的アライメントの両方において大きな利益をもたらすことが示されている。 MatResは、ユーザがさまざまな視点と品質を持つシーンの複数の画像を一般的にキャプチャする現実のシナリオに対して、実用的で広く適用可能なソリューションを提供する。

関連論文リスト

• EnsIR: An Ensemble Algorithm for Image Restoration via Gaussian Mixture Models [70.60381055741391]
  画像復元の課題は、説明された問題に関連し、単一のモデル予測と地道のずれをもたらす。 アンサンブル学習は、複数のベースモデルの予測を組み合わせることで、これらの偏差に対処することを目的としている。 我々は予測候補のアンサンブル重みを推定するために予測(EM)に基づくアルゴリズムを用いる。 我々のアルゴリズムは、モデルに依存しない訓練不要であり、様々なトレーニング済み画像復元モデルのシームレスな統合と強化を可能にする。
  論文  参考訳（メタデータ） (2024-10-30T12:16:35Z)
• OneRestore: A Universal Restoration Framework for Composite Degradation [33.556183375565034]
  現実のシナリオでは、画像障害はしばしば複合的な劣化として現れ、低光、迷路、雨、雪といった要素の複雑な相互作用を示す。 本研究では, 複雑な複合劣化シナリオを正確に表現するために, 4つの物理劣化パラダイムを統合した多目的イメージングモデルを提案する。 OneRestoreは、適応的で制御可能なシーン復元のために設計された新しいトランスフォーマーベースのフレームワークである。
  論文  参考訳（メタデータ） (2024-07-05T16:27:00Z)
• Exposure Bracketing Is All You Need For A High-Quality Image [50.822601495422916]
  マルチ露光画像は、デノイング、デブロアリング、高ダイナミックレンジイメージング、超解像において相補的である。 本研究では,これらの課題を組み合わせ,高品質な画像を得るために露光ブラケット写真を活用することを提案する。 特に時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Parameter Efficient Adaptation for Image Restoration with Heterogeneous Mixture-of-Experts [52.39959535724677]
  画像復元モデルの一般化を改善するための代替手法を提案する。 ローカル,グローバル,チャネル表現ベースをキャプチャするマルチブランチ設計のMixture-of-Experts (MoE) であるAdaptIRを提案する。 我々のAdaptIRは、単一劣化タスクにおける安定した性能を実現し、8時間間、微調整はわずか0.6%のパラメータしか持たず、ハイブリッド劣化タスクにおいて優れる。
  論文  参考訳（メタデータ） (2023-12-12T14:27:59Z)

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。