論文の概要: Breaking Degradation Coupling: A Structural Entropy Guided Decoupled Framework and Benchmark for Infrared Enhancement

• arxiv url: http://arxiv.org/abs/2604.22886v1
• Date: Fri, 24 Apr 2026 08:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.031321
• Title: Breaking Degradation Coupling: A Structural Entropy Guided Decoupled Framework and Benchmark for Infrared Enhancement
• Title（参考訳）: Breaking Degradation Coupling: 構造エントロピーガイド付きデカップリングフレームワークと赤外線強調ベンチマーク
• Authors: Pu Li, Huafeng Li, Yafei Zhang, Yu Liu, Wen Wang,
• Abstract要約: 既存のオールインワンアプローチでは、多種多様な劣化を処理するために、単一の共有バックボーンを使用するのが一般的である。 本稿では, 複合劣化を独立したサブプロセスに分解する構造エントロピー誘導デカップリングフレームワークを提案する。 本研究は,SEGDが最先端手法を超越し,より少ないパラメータで高い効率を達成することを示す。
• 参考スコア（独自算出の注目度）: 29.128631067023846
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Thermal infrared image enhancement aims to restore high-quality images from complex compound degradations. Existing all-in-one approaches typically employ a single shared backbone to handle diverse degradations, which causes gradient interference and parameter competition. To address this, we propose a Structural Entropy-Guided Decoupled (SEGD) Framework. Unlike unified modeling paradigms, SEGD decomposes compound degradations into independent sub-processes and models them in a divide-and-conquer manner through Degradation-Specific Residual Modules (DRMs). Each DRM focuses on residual estimation for a specific degradation, enabling task decoupling while remaining jointly trainable, which mitigates parameter contention. A Degradation-Aware Evidential Network further estimates degradation type and intensity, providing priors that adaptively regulate DRM restoration strength. To handle compound cases, DRMs are composed in varying orders to form multiple restoration paths, from which the most informative features are aggregated under a structural-entropy criterion, yielding decoder-ready representations with structural fidelity and degradation awareness. Integrating divide-and-conquer restoration, evidential perception, and entropy-guided adaptation, SEGD achieves fine-grained and interpretable enhancement. We also construct a nighttime TIR benchmark for evaluation under real low-light conditions. Experimental results demonstrate that SEGD surpasses state-of-the-art methods while achieving higher efficiency with fewer parameters.
• Abstract（参考訳）: 熱赤外画像強調は、複雑な化合物劣化から高品質な画像を復元することを目的としている。 既存のオールインワンアプローチでは、通常、多種多様な劣化を処理するために単一の共有バックボーンを使用し、勾配干渉とパラメータ競合を引き起こす。 そこで我々は,SEGD(Structure Entropy-Guided Decoupled)フレームワークを提案する。 統一されたモデリングパラダイムとは異なり、SEGDは複合的な分解を独立したサブプロセスに分解し、分解・特定残留モジュール(DRM)を通して分割・分散的にモデル化する。 各DRMは特定の劣化の残差推定に重点を置いており、パラメータ競合を緩和する共同トレーニングが可能でありながらタスクの切り離しを可能にする。 Degradation-Aware Evidential Networkは、さらに劣化タイプと強度を推定し、DRM復元強度を適応的に規制する事前情報を提供する。 複雑なケースに対処するため、DRMは様々な順序で構成され、複数の復元経路を形成し、そこから最も情報性の高い特徴は構造エントロピーの基準の下で集約され、構造的忠実さと劣化認識を伴うデコーダ対応の表現が得られる。 SEGDは、分割・対数修復、明らかな知覚、エントロピー誘導適応を統合することで、微細で解釈可能な拡張を実現する。 また、実際の低照度条件下での夜間TIRベンチマークを構築した。 実験の結果,SEGDは最先端手法を超越し,パラメータが少なく,高い効率を実現していることがわかった。

関連論文リスト

• Compositional-Degradation UAV Image Restoration: Conditional Decoupled MoE Network and A Benchmark [27.358052049742764]
  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。
  論文  参考訳（メタデータ） (2026-04-10T13:27:39Z)
• Degradation-Aware Metric Prompting for Hyperspectral Image Restoration [20.8230102672152]
  ハイパースペクトル画像の復元を支援するためのDAMP(Degradation-Aware Metric Prompting)フレームワークを提案する。 事前定義された劣化先行値に頼るのではなく、連続的に劣化を定量化するために空間スペクトル劣化指標を設計する。 このフレームワークは、多種多様、混合的、あるいは目に見えない劣化の下で適応的、効率的、堅牢な復元を可能にする。
  論文  参考訳（メタデータ） (2025-12-23T11:05:36Z)
• 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)
• Mixture of Ranks with Degradation-Aware Routing for One-Step Real-World Image Super-Resolution [76.66229730098759]
  実世界の画像超解像(Real-ISR)では、既存のアプローチは主に微調整された事前学習拡散モデルに依存している。 単一ステップ画像超解像のためのMixture-of-Ranks (MoR)アーキテクチャを提案する。 LoRAの各ランクを独立した専門家として扱う、きめ細かい専門家分割戦略を導入する。
  論文  参考訳（メタデータ） (2025-11-20T04:11:44Z)
• URWKV: Unified RWKV Model with Multi-state Perspective for Low-light Image Restoration [22.746234919635018]
  多状態視点を用いた統一受容重み付き鍵値(URWKV)モデルを提案する。 URWKVブロックのコアをカスタマイズし、複数のステージ内およびステージ間状態を利用して複雑な劣化を認識・解析する。 最先端モデルと比較して、URWKVモデルは様々なベンチマークにおいて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2025-05-29T04:17:09Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• DRM-IR: Task-Adaptive Deep Unfolding Network for All-In-One Image Restoration [5.573836220587265]
  本研究は,効率的な動的参照モデリングパラダイム(DRM-IR)を提案する。 DRM-IRはタスク適応型劣化モデリングとモデルベースの画像復元で構成されている。 複数のベンチマークデータセットの実験は、DRM-IRがAll-In-One IRで最先端のIRを達成することを示している。
  論文  参考訳（メタデータ） (2023-07-15T02:42:19Z)
• Relationship Quantification of Image Degradations [72.98190570967937]
  劣化関係指数(DRI)は,2モデル間の検証損失の平均ドロップレート差として定義される。 DRIは常に、特定の劣化を列車モデルの補助として利用することで、性能改善を予測します。 得られた劣化組合せがアンカー劣化性能を向上させることができるかどうかを簡易かつ効果的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-12-08T09:05:19Z)

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。