論文の概要: Expandable, Compressible, Mineable: Open-World Thermal Image Restoration

• arxiv url: http://arxiv.org/abs/2605.16967v1
• Date: Sat, 16 May 2026 12:41:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.394182
• Title: Expandable, Compressible, Mineable: Open-World Thermal Image Restoration
• Title（参考訳）: 拡張可能、圧縮可能、マイニング可能:オープンワールドのサーマルイメージ修復
• Authors: Pu Li, Huafeng Li, Yafei Zhang, Wen Wang, Neng Dong, Jie Wen,
• Abstract要約: ECMRNetは、オープンワールド熱赤外(TIR)画像復元のためのネットワークである。 連続的な劣化学習を「エクスパンド・圧縮・マイン」閉ループプロセスとして統一する。 これは、多種多様な単体および複体劣化に対して優れた総合的な性能を達成する。
• 参考スコア（独自算出の注目度）: 35.52145248823253
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In open-world settings, thermal infrared (TIR) image degradations continuously emerge and evolve, while most existing all-in-one restoration methods are built on a closed-set assumption and struggle to continually adapt to novel degradations. To address this, we propose ECMRNet, an Expandable, Compressible, and Mineable Restoration Network for open-world TIR restoration from a continual learning perspective. Conceptually, ECMRNet unifies continual degradation learning as an "expand-compress-mine" closed-loop process, enabling sustained adaptation to new degradations with controllable evolution. Structurally, ECMRNet decomposes intermediate representations into group-isolated subspaces, and achieves strict parameter isolation and fast adaptation to new degradations by freezing historical groups and isomorphically expanding new ones. To curb model growth as tasks accumulate, we present Structural Entropy Pruning, which identifies and removes redundant channel groups via two-dimensional structural entropy minimization, achieving information contribution-driven adaptive compression. Moreover, we design a Sub-degradation Knowledge Mining Module that dynamically retrieves and recombines transferable components from historical representations to improve restoration under compound degradations. Experimental results demonstrate that ECMRNet achieves superior overall performance across diverse single and compound degradations while using fewer parameters and lower computational cost. The source code is available at https://github.com/Kust-lp/ECMRNet.
• Abstract（参考訳）: オープンワールド環境では、熱赤外(TIR)画像劣化は相変わらず発生し進化し、既存のオールインワン復元法は、クローズドセットの仮定に基づいて構築され、新しい劣化に継続的に適応するのに苦労する。 そこで本研究では,オープンワールドTIR復元のための拡張可能・圧縮可能・マイナブル復元ネットワークECMRNetを提案する。 概念的には、ECMRNetは連続的な劣化学習を「拡張圧縮マイン」閉ループプロセスとして統一し、制御可能な進化を伴う新しい劣化への継続的な適応を可能にする。 構造的には、ECMRNetは中間表現を群分離部分空間に分解し、歴史的グループを凍結し、新しい空間を同型的に拡張することで、厳密なパラメータ分離と新しい劣化への迅速な適応を実現する。 タスクの蓄積に伴うモデル成長を抑制するため,2次元構造エントロピー最小化により冗長チャネル群を識別・除去し,情報コントリビューション駆動適応圧縮を実現する構造エントロピープランニングを提案する。 さらに, 複合劣化下での復元を改善するため, 転送可能な部品を歴史的表現から動的に回収・再結合するサブ劣化知識マイニングモジュールを設計する。 実験により,ECMRNetは,パラメータが少なく,計算コストも低いため,多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多 ソースコードはhttps://github.com/Kust-lp/ECMRNetで入手できる。

関連論文リスト

• Breaking Degradation Coupling: A Structural Entropy Guided Decoupled Framework and Benchmark for Infrared Enhancement [29.128631067023846]
  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。
  論文  参考訳（メタデータ） (2026-04-24T08:58:55Z)
• Task-Guided Prompting for Unified Remote Sensing Image Restoration [19.11145604183771]
  TGPNetは、デノイング、クラウド削除、シャドウ除去、デブロアリング、SARデスペクリングを処理できる統合フレームワークである。 私たちのフレームワークの中核は、新しいタスクガイド型プロンプティング(TGP)戦略です。 この作業はマルチタスクRSIRの大幅な進歩を示し、運用パイプラインに実用的でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-03T05:29:12Z)
• M2IR: Proactive All-in-One Image Restoration via Mamba-style Modulation and Mixture-of-Experts [38.201178244663765]
  M2IRは、符号化段階における劣化伝播を制御し、復号過程における残留劣化を効率的に除去する。 Mamba-Style Transformer (MST) ブロックは、劣化を緩和するために画素ワイズ選択状態変調を行う。 Adaptive Degradation Expert Collaboration (ADEC)モジュールはDA-CLIP駆動ルータによってガイドされ、共有専門家によって補完され、劣化を除去する。
  論文  参考訳（メタデータ） (2026-03-16T04:37:29Z)
• 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)
• Gradient as Conditions: Rethinking HOG for All-in-one Image Restoration [23.153283910821862]
  古典的勾配表現としての向き付け勾配(HOG)のヒストグラムは、様々な劣化に対して強い識別能力を有する。 本稿では,学習可能なHOG機能を統合した変換器モデルHOGformerを提案する。 HOGformerは最先端のパフォーマンスを実現し、複雑な現実世界のシナリオを一般化する。
  論文  参考訳（メタデータ） (2025-04-12T23:52:59Z)
• Chain-of-Restoration: Multi-Task Image Restoration Models are Zero-Shot Step-by-Step Universal Image Restorers [53.298698981438]
  本稿では,UIR(Universal Image Restoration)という新たなタスク設定を提案する。 UIRは、すべての劣化組み合わせのトレーニングを必要とせず、一連の劣化基だけに限って、これらの基がゼロショットで構成できる可能性のある劣化を取り除く。 本稿では,未知の複合劣化を段階的に除去するモデルをモデルに指示する,CoR(Chain-of-Restoration)機構を提案する。
  論文  参考訳（メタデータ） (2024-10-11T10:21:42Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)

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。