Fugu-MT 論文翻訳(概要): DiTTo: Scalable Order-aware All-in-One Image Restoration Agent

論文の概要: DiTTo: Scalable Order-aware All-in-One Image Restoration Agent

arxiv url: http://arxiv.org/abs/2605.30915v2
Date: Tue, 02 Jun 2026 09:49:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-03 18:57:50.252646
Title: DiTTo: Scalable Order-aware All-in-One Image Restoration Agent
Title（参考訳）: DiTTo: スケーラブルなオーダー対応オールインワン画像復元エージェント
Authors: Seungho Choi, Jihyong Oh,
Abstract要約: 既存のトレーニングベースのエージェントには$mathcalO(NmathbfD)2)$Recovery-expertコールが必要で、最適なRecovery-action Trajectoryデータセットを構築する。提案する textbfDiTTo は,DiTTo Simulator と DiTTo Agent から構成される新しい注文対応画像復元エージェントフレームワークである。最大5つの同時劣化を同時に設定したMIO-100の評価では、DitTo Agentは最先端のマルチ劣化回復品質を実現する。
参考スコア（独自算出の注目度）: 7.606496122668186
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Real-world images rarely suffer from a single degradation, and the order in which degradations are removed substantially affects the final restoration quality, motivating agent-based image restoration (IR), where a vision-language model schedules a pool of pre-built restoration-experts. However, existing training-based agents require $\mathcal{O}((N^{\mathbf{D}})^{2})$ restoration-expert calls per image to construct the Optimal Restoration-action Trajectory Dataset (ORTD), where $N^{\mathbf{D}}$ denotes the number of degradation types in the universe $\mathbf{D}$, and couple agent training to a fixed restoration-expert pool, preventing extension to newly introduced restoration-experts without full retraining. To overcome these efficiency and extensibility bottlenecks, we propose \textbf{DiTTo}, a novel order-aware image restoration agent framework consisting of the DiTTo Simulator and the DiTTo Agent. The DiTTo Simulator combines $\cup$S-IR for single-step restoration-action simulation and AiO-IQA for per-action quality prediction, reducing ORTD construction to $\mathcal{O}(N^{\mathbf{D}})$ simulator calls per image; the DiTTo Agent is trained by SFT on the simulator-generated ORTD, followed by \textbf{Order-aware Restoration Alignment (ORA)} that aligns degradation identification, restoration-action-ordering, and output format along independent axes. This enables \textbf{plug-and-play scalable extensibility}: adding a new restoration-expert requires updating only the lightweight ORA stage. On the MiO-100 evaluation set with up to five concurrent degradations, our DiTTo Agent achieves state-of-the-art multi-degradation restoration quality among previous agent-based IR methods.
Abstract（参考訳）: 実世界の画像は、単一の劣化に苦しむことはめったになく、劣化を除去する順序は最終的な修復品質に大きく影響し、視覚言語モデルが事前構築された復元専門家のプールをスケジュールする、エージェントベースの画像復元(IR)を動機付ける。しかし、既存のトレーニングベースのエージェントは、イメージごとに$\mathcal{O}((N^{\mathbf{D}})^{2})$Recovery-expertコールを必要とし、最適なRecovery-action Trajectory Dataset (ORTD)を構築する。このような効率性と拡張性のボトルネックを克服するために,DiTToシミュレータとDiTToエージェントから構成される新しい秩序対応画像復元エージェントフレームワークである \textbf{DiTTo} を提案する。 DiTTo Simulatorはシングルステップの復元動作シミュレーションに$\cup$S-IRを、アクションごとの品質予測にAiO-IQAを組み合わせ、ORTDの構築を$\mathcal{O}(N^{\mathbf{D}})$シミュレータコールに減らした。これにより,‘textbf{plug-and-play scalable extensibility} が可能になる。最大5つの同時劣化を同時に設定したMIO-100評価では, 従来のエージェントベースIR法において, 最先端のマルチ劣化回復精度を実現している。

関連論文リスト

Restore, Assess, Repeat: A Unified Framework for Iterative Image Restoration [84.3817904120563]
画像復元は、悪天候、ぼやけ、低光など、さまざまな要因によって劣化した入力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。本稿では,画像品質評価 (IQA) と画像復元 (IR) を統一したフレームワークに統合したリストア・アセス・アンド・リピートプロセス RAR を提案する。具体的には、劣化同定、画像復元、品質検証を共同で行うために、潜伏領域で完全に機能する復元プロセスを導入する。
論文参考訳（メタデータ） (2026-03-27T13:13:44Z)
SimpleCall: A Lightweight Image Restoration Agent in Label-Free Environments with MLLM Perceptual Feedback [27.198190496709433]
複雑な画像復元は、複数の劣化によって影響を受ける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。視覚言語モデルと大規模言語モデルを利用した最近の修復エージェントは、有望な修復機能を提供するが、ボトルネックに悩まされている。本稿では,ツール呼び出しシーケンスを決定するための軽量エージェントを学習するポリシー最適化に基づく復元フレームワークを提案する。
論文参考訳（メタデータ） (2025-12-21T05:12:25Z)
UniRes: Universal Image Restoration for Complex Degradations [53.74404005987783]
実世界のイメージ復元は、様々なキャプチャ条件、キャプチャデバイス、後処理パイプラインから生じるさまざまな劣化によって妨げられている。 UniResという名前の、シンプルで柔軟な拡散ベースのフレームワークは、このような劣化をエンドツーエンドで解決するために提案されている。提案手法は, 複合劣化画像復元データセットと単分解画像復元データセットの両方を用いて評価する。
論文参考訳（メタデータ） (2025-06-05T21:25:39Z)
UniRestorer: Universal Image Restoration via Adaptively Estimating Image Degradation at Proper Granularity [79.90839080916913]
We present our UniRestorer with improve restoration performance。具体的には、劣化空間上で階層的クラスタリングを行い、マルチグラニュラリティ・ミックス・オブ・エキスパート(MoE)復元モデルを訓練する。 UniRestorerは、既存の劣化診断法と -aware 法とは対照的に、劣化推定を利用して劣化特定回復の恩恵を受けることができる。
論文参考訳（メタデータ） (2024-12-28T14:09:08Z)
AllRestorer: All-in-One Transformer for Image Restoration under Composite Degradations [52.076067325999226]
本稿では,新しいトランスフォーマーベースの復元フレームワークAllRestorerを提案する。 AllRestorerは、すべてのイメージ障害を適応的に考慮し、シーンディスクリプタのミスダイレクトによるエラーを避ける。 CDD-11データセットのベースラインと比較して,AllRestorerはPSNRの5.00dB増加を実現している。
論文参考訳（メタデータ） (2024-11-16T05:30:55Z)
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)
OneRestore: A Universal Restoration Framework for Composite Degradation [33.556183375565034]
現実のシナリオでは、画像障害はしばしば複合的な劣化として現れ、低光、迷路、雨、雪といった要素の複雑な相互作用を示す。本研究では, 複雑な複合劣化シナリオを正確に表現するために, 4つの物理劣化パラダイムを統合した多目的イメージングモデルを提案する。 OneRestoreは、適応的で制御可能なシーン復元のために設計された新しいトランスフォーマーベースのフレームワークである。
論文参考訳（メタデータ） (2024-07-05T16:27:00Z)
Restorer: Removing Multi-Degradation with All-Axis Attention and Prompt Guidance [12.066756224383827]
textbfRestorerはトランスフォーマーベースのオールインワン画像復元モデルである。追加のトレーニングを必要とせずに、現実世界のシナリオで複合的な劣化を処理することができる。推論中は効率が良く、現実世界の応用の可能性も示唆している。
論文参考訳（メタデータ） (2024-06-18T13:18:32Z)

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。