論文の概要: ZeroIDIR: Zero-Reference Illumination Degradation Image Restoration with Perturbed Consistency Diffusion Models

• arxiv url: http://arxiv.org/abs/2605.11435v1
• Date: Tue, 12 May 2026 02:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.533385
• Title: ZeroIDIR: Zero-Reference Illumination Degradation Image Restoration with Perturbed Consistency Diffusion Models
• Title（参考訳）: ZeroIDIR: 摂動共振拡散モデルによるゼロ参照照明劣化画像復元
• Authors: Hai Jiang, Zhen Liu, Yinjie Lei, Songchen Han, Bing Zeng, Shuaicheng Liu,
• Abstract要約: 照明画像復元のためのゼロ参照拡散ベースフレームワークZeroIDIRを提案する。 フレームワークは、復元プロセスを適応照明補正と拡散に基づく再構成に分離する。 公開されているベンチマーク実験により、提案手法は最先端の教師なし競争相手よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 72.4683657127516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a zero-reference diffusion-based framework, named ZeroIDIR, for illumination degradation image restoration, which decouples the restoration process into adaptive illumination correction and diffusion-based reconstruction while being trained solely on low-quality degraded images. Specifically, we design an adaptive gamma correction module that performs spatially varying exposure correction to generate illumination-corrected only representations to mitigate exposure bias and serve as reliable inputs for subsequent diffusion processes, where a histogram-guided illumination correction loss is introduced to regularize the corrected illumination distribution toward that of natural scenes. Subsequently, the illumination-corrected image is treated as an intermediate noisy state for the proposed perturbed consistency diffusion model to reconstruct details and suppress noise. Moreover, a perturbed diffusion consistency loss is proposed to constrain the forward diffusion trajectory of the final restored image to remain consistent with the perturbed state, thus improving restoration fidelity and stability in the absence of supervision. Extensive experiments on publicly available benchmarks show that the proposed method outperforms state-of-the-art unsupervised competitors and is comparable to supervised methods while being more generalizable to various scenes. Code is available at https://github.com/JianghaiSCU/ZeroIDIR.
• Abstract（参考訳）: 本稿では,低品質の劣化画像のみをトレーニングしながら,その復元過程を適応的な照明補正と拡散補正に分解するゼロ参照拡散ベースフレームワークであるZeroIDIRを提案する。 具体的には、空間的に異なる露出補正を行う適応ガンマ補正モジュールを設計し、照度補正のみの表現を生成して露光バイアスを緩和し、その後の拡散過程の信頼性の高い入力として機能し、ヒストグラム誘導照度補正の損失を導入して、修正照度分布を自然のシーンに調整する。 その後、照度補正画像は、提案した摂動整合拡散モデルの中間ノイズ状態として処理され、詳細を再構成し、ノイズを抑制する。 さらに、最終補正画像の前方拡散軌跡が乱れ状態と整合性を保つことを抑制するために、摂動拡散整合性損失が提案され、監督の欠如による復元忠実性と安定性が向上する。 一般に公開されているベンチマーク実験により,提案手法は最先端の非教師付き競争相手よりも優れており,様々な場面でより一般化可能でありながら,教師付き手法に匹敵することを示した。 コードはhttps://github.com/JianghaiSCU/ZeroIDIRで入手できる。

関連論文リスト

• Single-Stage Signal Attenuation Diffusion Model for Low-Light Image Enhancement and Denoising [4.397450561168298]
  拡散モデルは、前方雑音付加と逆雑音の確率論的モデリングによる画像復元において優れる。 主ストリーム拡散に基づく低光画像強調法 (LLIE) は、U-Net出力を洗練させるために、2段パイプラインまたは補助補正ネットワークを採用する。 本稿では,信号減衰機構を拡散パイプラインに統合する新しい拡散過程である信号減衰拡散モデル(SADM)を提案する。
  論文  参考訳（メタデータ） (2026-04-07T11:33:04Z)
• Rethinking Exposure Correction for Spatially Non-uniform Degradation [41.78840354779858]
  空間的非均一性のための新しい露出補正パラダイムを提案する。 具体的には,空間適応変調重みを予測するための空間信号を導入する。 本手法は,最先端手法と比較して質的,定量的な性能に優れる。
  論文  参考訳（メタデータ） (2026-04-05T14:41:59Z)
• WEC-DG: Multi-Exposure Wavelet Correction Method Guided by Degradation Description [7.873244458995218]
  多重露光補正技術は、照明不足や過度な照明の影響を受ける画像の復元に不可欠である。 現在のマルチ露光補正法は、様々な照明条件によるクラス内変動に対処する際の課題となることが多い。 本稿では,分解誘導(WEC-DG)を用いたウェーブレットを用いた露光補正手法を提案する。
  論文  参考訳（メタデータ） (2025-08-13T07:31:44Z)
• Degradation-Consistent Learning via Bidirectional Diffusion for Low-Light Image Enhancement [15.619960776528362]
  低照度画像強調は、劣化した画像の視認性を改善し、人間の視覚的知覚とよりよく一致させることを目的としている。 本稿では,低照度画像と通常照度画像の両方の劣化過程を共同でモデル化する双方向拡散最適化機構を提案する。 本手法は,定量評価と定性評価の両方において最先端の手法より優れている。
  論文  参考訳（メタデータ） (2025-07-24T07:21:23Z)
• LightenDiffusion: Unsupervised Low-Light Image Enhancement with Latent-Retinex Diffusion Models [39.28266945709169]
  物理的に説明可能なRetinex理論を低照度画像強調のための拡散モデルに組み込んだ拡散に基づく教師なしフレームワークを提案する。 公開されている実世界のベンチマークの実験では、提案されたLightenDiffusionは最先端の非監督的な競合より優れていることが示されている。
  論文  参考訳（メタデータ） (2024-07-12T02:54:43Z)
• JoReS-Diff: Joint Retinex and Semantic Priors in Diffusion Model for Low-light Image Enhancement [69.6035373784027]
  低照度画像強調(LLIE)は条件付き拡散モデルを用いて有望な性能を実現している。 従来手法は、タスク固有の条件戦略の十分な定式化の重要性を無視するものであった。 本稿では,Retinex および semantic-based pre-processing condition を付加した新しいアプローチである JoReS-Diff を提案する。
  論文  参考訳（メタデータ） (2023-12-20T08:05:57Z)
• 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)
• Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
  我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。 このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。 様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2023-08-28T08:47:06Z)

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。