論文の概要: Unifying Physically-Informed Weather Priors in A Single Model for Image Restoration Across Multiple Adverse Weather Conditions

• arxiv url: http://arxiv.org/abs/2605.13158v1
• Date: Wed, 13 May 2026 08:22:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.907433
• Title: Unifying Physically-Informed Weather Priors in A Single Model for Image Restoration Across Multiple Adverse Weather Conditions
• Title（参考訳）: 複数の逆気象条件にまたがる画像復元のための単一モデルにおける物理インフォームド気象予報の統一
• Abstract要約: 気象関連アーティファクトは、確立されたシーンの可視性分析により、粒子とカメラの距離によって異なる。 既存の手法では、この気象特有の物理的な視覚過程を考慮できない。 本稿では,個々の可視粒子と霧状凝集散乱効果を考慮した統合イメージングモデルを提案する。
• 参考スコア（独自算出の注目度）: 61.27301865260939
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image restoration under multiple adverse weather conditions aims to develop a single model to recover the underlying scene with high visibility. Weather-related artifacts vary with the particle's distance to the camera according to the established scene visibility analysis, where close and faraway regions are more affected by falling drops and fog effects, respectively. Existing methods fail to consider this weather-specific physical visual process; thus, the restoration performance is limited. In this work, we analyze the common visual factors in adverse weather conditions and present a unified imaging model that considers the individually visible particles and fog-like aggregate scattering effects. Further, we design a novel weather-prior-based network, which leverages the weather-related prior information to help recover the scene by enhancing the features using the estimated occlusion and transmission. Experimental results in multiple adverse scenarios show the superiority of our method against state-of-the-art methods.
• Abstract（参考訳）: 複数の悪天候条件下での画像復元は、その基盤となるシーンを高視認性で再現する単一のモデルを開発することを目的としている。 気象関連アーティファクトは、降雨と霧の影響により、近接領域と遠方の領域がより影響を受けやすいような、確立されたシーン可視分析により、カメラとの粒子距離によって異なる。 既存の手法では、この気象固有の物理的な視覚過程を考慮せず、復元性能は限られている。 本研究では,悪天候における一般的な視覚的要因を解析し,個別に見える粒子と霧のような凝集散乱効果を考慮した統合イメージングモデルを提案する。 さらに、天気関連事前情報を活用して、推定閉塞と送信を用いて特徴を増強し、シーンを回復する新しい天気優先ネットワークを設計する。 複数の有害シナリオにおける実験結果から,本手法の最先端手法に対する優位性が確認された。

関連論文リスト

• WeatherRemover: All-in-one Adverse Weather Removal with Multi-scale Feature Map Compression [5.713746691096994]
  各種気象条件の影響を受ける画像の復元を促進するために考案されたWeatherRemoverモデルを紹介する。 我々のモデルは、ゲーティング機構とマルチスケールピラミッドビジョン変換器を備えたUNetライクな構造を採用する。 我々の軽量モデルは, 復元品質, パラメータ効率, 計算オーバーヘッド, メモリ使用量との最適バランスを実現する。
  論文  参考訳（メタデータ） (2026-04-08T03:02:37Z)
• RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
  本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。 提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-23T15:41:40Z)
• WeatherPrompt: Multi-modality Representation Learning for All-Weather Drone Visual Geo-Localization [22.01591564940522]
  We present WeatherPrompt, a multi-modality learning paradigm that establishs weather-invariant representations through fusing the image embedding with the text context。 我々のフレームワークは、最先端のドローンジオローカライズ手法と比較して、競争力のあるリコール率を達成する。
  論文  参考訳（メタデータ） (2025-08-13T07:28:41Z)
• UniDet-D: A Unified Dynamic Spectral Attention Model for Object Detection under Adverse Weathers [44.00242927775847]
  各種気象条件下での物体検出に挑戦する統合フレームワークUniDet-Dを提案する。 具体的には、UniDet-Dは、非関連成分を抑えつつ、情報的スペクトル成分を適応的に強調するダイナミックスペクトルアテンション機構を組み込んでいる。 広汎な実験により、UniDet-Dは各種の悪天候劣化に対して優れた検出精度が得られることが示された。
  論文  参考訳（メタデータ） (2025-06-14T03:23:29Z)
• Multiple weather images restoration using the task transformer and adaptive mixup strategy [14.986500375481546]
  本稿では,複雑な気象条件を適応的に効果的に処理できる,マルチタスクの厳しい天候除去モデルを提案する。 本モデルでは,気象タスクシークエンスジェネレータを組み込んで,気象タイプに特有な特徴に選択的に注目する自己認識機構を実現する。 提案モデルでは,公開データセット上での最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-09-05T04:55:40Z)
• Genuine Knowledge from Practice: Diffusion Test-Time Adaptation for Video Adverse Weather Removal [53.15046196592023]
  ビデオの悪天候除去におけるテスト時間適応について紹介する。 本稿では,テスト時間適応を反復拡散逆プロセスに統合する最初のフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-12T14:21:30Z)
• Always Clear Days: Degradation Type and Severity Aware All-In-One Adverse Weather Removal [8.58670633761819]
  オールインワンの悪天候除去は画像復元における新たな話題であり、統一されたモデルで複数の気象劣化を回復することを目的としている。 本稿では,視覚障害者の悪天候画像復元のための劣化型および重症度認識モデルUtilityIRを提案する。
  論文  参考訳（メタデータ） (2023-10-27T17:29:55Z)
• MetaWeather: Few-Shot Weather-Degraded Image Restoration [17.63266150036311]
  メタウェザー(MetaWeather)は、多様な新しい気象条件を単一の統一モデルで処理できる普遍的なアプローチである。 メタウェザーは未確認の気象条件に適応でき、最先端のマルチウェザー画像復元法よりも優れることを示す。
  論文  参考訳（メタデータ） (2023-08-28T06:25:40Z)
• Exploring the Application of Large-scale Pre-trained Models on Adverse Weather Removal [97.53040662243768]
  ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。 このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
  論文  参考訳（メタデータ） (2023-06-15T10:06:13Z)
• ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural Rendering [83.75284107397003]
  本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。 本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。 マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-05-03T13:24:06Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)

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。