論文の概要: Continuous Expert Assembly: Instance-Conditioned Low-Rank Residuals for All-in-One Image Restoration

• arxiv url: http://arxiv.org/abs/2605.06127v1
• Date: Thu, 07 May 2026 12:31:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.772306
• Title: Continuous Expert Assembly: Instance-Conditioned Low-Rank Residuals for All-in-One Image Restoration
• Title（参考訳）: 継続的エキスパートアセンブリ:オールインワン画像復元のためのインスタンス記述型低ランク残量
• Authors: Haisen He, Xiangyu Zou, SongLin Dong, Heng Li, Yihong Gong, Zhiheng Ma,
• Abstract要約: CEAは、オールインワン画像復元のためのトークン単位の動的パラメータ化フレームワークである。 CEAは、強力なプロンプト、ディスクリプタ、エキスパートベースのベースラインよりも平均的な復元品質を改善します。
• 参考スコア（独自算出の注目度）: 41.34371852767098
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world image degradation is often unknown, spatially non-uniform, and compositional, requiring all-in-one restoration models to adapt a single set of weights to diverse local corruption patterns without test-time degradation labels. Existing methods typically modulate a shared backbone with global prompts or degradation descriptors, or route features through predefined expert pools. However, compact global conditioning can bottleneck localized degradation evidence, while static expert routing may produce homogeneous updates or rely on unstable sparse assignments. We propose \textbf{Continuous Expert Assembly} (CEA), a token-wise dynamic parameterization framework for all-in-one image restoration. CEA employs a lightweight \textbf{Cross-Attention Hyper-Adapter} to probe intermediate spatial features and synthesize instance-conditioned low-rank routing bases and residual directions. Each spatial token then assembles its own residual update via dense signed dot-product affinities over the generated rank-wise components, avoiding external prompts, static expert banks, and discrete Top- selection. The resulting assembly rule also admits a linear-attention perspective, making its dense token-wise routing behavior transparent. Experiments on AIO-3, AIO-5, and CDD-11 show that CEA improves average restoration quality over strong prompt-, descriptor-, and expert-based baselines, with the clearest gains on spatially varying and compositional degradations, while maintaining favorable parameter, FLOP, and runtime efficiency.
• Abstract（参考訳）: 実世界の画像劣化は、しばしば未知であり、空間的に一様ではなく、構成的であり、テスト時間劣化ラベルを使わずに、一つの重みの集合を様々な局所的な腐敗パターンに適応させるオールインワン復元モデルを必要とする。 既存のメソッドは通常、グローバルなプロンプトや分解記述子で共有バックボーンを変調するか、事前に定義されたエキスパートプールを通じて機能をルーティングする。 しかし、コンパクトなグローバル条件付けは局所的な劣化の証拠をボトルネックにし、静的なエキスパートルーティングは均一な更新や不安定なスパース割り当てに依存する可能性がある。 我々は、オールインワン画像復元のためのトークン単位の動的パラメータ化フレームワークである「textbf{Continuous Expert Assembly} (CEA)」を提案する。 CEAは軽量な \textbf{Cross-Attention Hyper-Adapter} を用いて、中間空間的特徴を探索し、インスタンス条件の低ランクルーティングベースと残留方向を合成する。 それぞれの空間トークンは、生成されたランク単位のコンポーネントに対して、密に署名されたドット積親和性を通じて、独自の残余更新を組み立て、外部プロンプト、静的な専門家バンク、離散的なトップ選択を避ける。 結果として生じるアセンブリルールは、その密度の高いトークン単位のルーティング動作を透過的にする、リニアアテンションパースペクティブも含んでいる。 AIO-3, AIO-5, CDD-11の実験により, CEAは強いプロンプト, ディスクリプタ, エキスパートベースのベースラインよりも平均回復品質を向上し, パラメータ, FLOP, 実行効率を良好に保ちながら, 空間的に変化し, 構成的劣化が顕著になることが示された。

関連論文リスト

• From Global to Local: Rethinking CLIP Feature Aggregation for Person Re-Identification [20.74226476678832]
  中間パッチトークンとCLIPのテキスト埋め込み空間でパラメータ化されたアンカーベクトルを整列することで、同一性表現を再構築するSAGA-ReIDを提案する。 制御された実験は、2つの定性的に異なる条件下で凝集機構を分離する。 ベンチマーク評価では、CLIP-ReIDよりも標準設定と無視設定で一貫したゲインを確認している。
  論文  参考訳（メタデータ） (2026-04-24T03:37:21Z)
• All-in-One Video Restoration under Smoothly Evolving Unknown Weather Degradations [102.94052335735326]
  All-in-one画像復元は、単一のモデルを用いて、さまざまな未知の劣化からクリーンなイメージを復元することを目的としている。 既存のアプローチは主に、現実世界の劣化過程に自然に存在する時間的連続性を見越して、フレームワイドの劣化変動に焦点を当てている。 Smoothly Evolving Unknown Degradations (SEUD) のシナリオでは、アクティブな劣化セットと劣化強度の両方が時間とともに連続的に変化する。
  論文  参考訳（メタデータ） (2026-01-02T02:20:57Z)
• 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)
• Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
  オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。 本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。 我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
  論文  参考訳（メタデータ） (2025-12-11T12:20:31Z)
• WeatherCycle: Unpaired Multi-Weather Restoration via Color Space Decoupled Cycle Learning [30.62082910458533]
  マルチウェザー条件下での教師なし画像復元は根本的だが未発見の課題である。 気象の回復を双方向の劣化コンテンツ翻訳サイクルとして再構成する統合フレームワークである textbfWeatherCycle を提案する。 本手法は, 複雑な気象劣化に対する強い一般化を図りながら, 教師なしアプローチの最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-27T06:44:27Z)
• Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
  我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。 既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。 提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
  論文  参考訳（メタデータ） (2025-06-10T16:48:27Z)
• Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
  画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。 我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。 このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
  論文  参考訳（メタデータ） (2025-05-24T12:52:10Z)
• Any Image Restoration via Efficient Spatial-Frequency Degradation Adaptation [158.37640586809187]
  劣化した画像を1つのモデルで効率的に復元することは、ますます重要になっている。 我々のアプローチはAnyIRと呼ばれ、様々な劣化にまたがる固有の類似性を活用する統一された経路をとっています。 劣化認識と文脈的注意を融合させるため,空間周波数並列融合戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-19T09:54:46Z)

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。