論文の概要: From Zero to Detail: A Progressive Spectral Decoupling Paradigm for UHD Image Restoration with New Benchmark

• arxiv url: http://arxiv.org/abs/2604.15654v1
• Date: Fri, 17 Apr 2026 03:13:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.72011
• Title: From Zero to Detail: A Progressive Spectral Decoupling Paradigm for UHD Image Restoration with New Benchmark
• Title（参考訳）: ゼロから詳細へ:新しいベンチマークによるUHD画像復元のためのプログレッシブスペクトルデカップリングパラダイム
• Authors: Chen Zhao, Yunzhe Xu, Zhizhou Chen, Enxuan Gu, Kai Zhang, Xiaoming Liu, Jian Yang, Ying Tai,
• Abstract要約: 回復過程に進行スペクトル分解を導入し, ゼロ周波数のテクスベンスメント, 低周波数のテクスベンスフェノレーション, 高周波数のテクスベンスフレノレーションの3段階に分解した。 提案手法は様々なUHD画像復元作業において優れた性能を示し,各モジュールの寄与と必要性について広範囲にわたるアブレーション研究を行った。
• 参考スコア（独自算出の注目度）: 42.33679433467548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultra-high-definition (UHD) image restoration poses unique challenges due to the high spatial resolution, diverse content, and fine-grained structures present in UHD images. To address these issues, we introduce a progressive spectral decomposition for the restoration process, decomposing it into three stages: zero-frequency \textbf{enhancement}, low-frequency \textbf{restoration}, and high-frequency \textbf{refinement}. Based on this formulation, we propose a novel framework, \textbf{ERR}, which integrates three cooperative sub-networks: the zero-frequency enhancer (ZFE), the low-frequency restorer (LFR), and the high-frequency refiner (HFR). The ZFE incorporates global priors to learn holistic mappings, the LFR reconstructs the main content by focusing on coarse-scale information, and the HFR adopts our proposed frequency-windowed Kolmogorov-Arnold Network (FW-KAN) to recover fine textures and intricate details for high-fidelity restoration. To further advance research in UHD image restoration, we also construct a large-scale, high-quality benchmark dataset, \textbf{LSUHDIR}, comprising 82{,}126 UHD images with diverse scenes and rich content. Our proposed methods demonstrate superior performance across a range of UHD image restoration tasks, and extensive ablation studies confirm the contribution and necessity of each module. Project page: https://github.com/NJU-PCALab/ERR.
• Abstract（参考訳）: 超高精細画像復元(UHD)は、高空間分解能、多彩な内容、UHD画像に存在する微細な構造が原因で、ユニークな課題を生んでいる。 これらの問題に対処するために、ゼロ周波数 \textbf{enhancement} 、低周波数 \textbf{restoration} 、高周波数 \textbf{refinement} の3段階に分解して、復元過程の漸進的なスペクトル分解を導入する。 この定式化に基づき、ゼロ周波増幅器(ZFE)、低周波復元器(LFR)、高周波精製器(HFR)の3つの協調サブネットワークを統合した新しいフレームワーク「textbf{ERR}」を提案する。 ZFEは、全体地図の学習に先立って、粗大な情報に着目して主内容の再構築を行い、HFRは、我々の提案した周波数ウインドウのKolmogorov-Arnold Network(FW-KAN)を採用し、微細なテクスチャを復元し、高忠実度復元のための複雑な詳細を復元する。 UHD画像復元の研究をさらに進めるために,82{,}126UHD画像と多様なシーンとリッチコンテンツからなる大規模で高品質なベンチマークデータセットである \textbf{LSUHDIR} を構築した。 提案手法は様々なUHD画像復元作業において優れた性能を示し,各モジュールの寄与と必要性について広範囲にわたるアブレーション研究を行った。 プロジェクトページ:https://github.com/NJU-PCALab/ERR。

関連論文リスト

• UltraHR-100K: Enhancing UHR Image Synthesis with A Large-Scale High-Quality Dataset [37.878145237462434]
  textbfUltraHR-100Kは、リッチキャプションを備えた100K UHR画像の高品質なデータセットであり、多様な内容と強力な視覚的忠実度を提供する。 本稿では,T2I拡散モデルにおける細部生成を向上させる周波数認識後学習手法を提案する。
  論文  参考訳（メタデータ） (2025-10-23T15:34:53Z)
• Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
  LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。 Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。 実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T08:54:26Z)
• From Zero to Detail: Deconstructing Ultra-High-Definition Image Restoration from Progressive Spectral Perspective [38.94762644896294]
  ERRは、ゼロ周波増幅器(ZFE)、低周波復元器(LFR)、高周波精製器(HFR)の3つの共同サブネットワークからなる。 具体的には、ZFEはグローバルな事前情報を統合してグローバルマッピングを学習し、LFRは低周波情報を復元し、粗い内容の再構成を強調する。 HFRは、我々の設計した周波数窓付きコルモゴロフアーノルドネットワーク(FW-KAN)を用いてテクスチャやディテールを洗練し、高品質な画像復元を実現している。
  論文  参考訳（メタデータ） (2025-03-17T13:39:51Z)
• RaFE: Generative Radiance Fields Restoration [38.602849644666165]
  NeRF(Neural Radiance Fields)は、新しいビュー合成と3次元再構成において大きな可能性を証明している。 従来のNeRF修復法は、回復の一般性を無視して、特定の劣化タイプに合わせて調整されている。 本稿では,様々な種類の劣化に対して適用可能な一般放射場復元パイプラインであるRaFEを提案する。
  論文  参考訳（メタデータ） (2024-04-04T17:59:50Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)

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。