論文の概要: Principled Reflection Separation via Nonlinear Superposition and Feature Interaction
- arxiv url: http://arxiv.org/abs/2606.02831v1
- Date: Mon, 01 Jun 2026 19:50:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 10:57:21.704665
- Title: Principled Reflection Separation via Nonlinear Superposition and Feature Interaction
- Title（参考訳）: 非線形重ね合わせと特徴相互作用による原理的反射分離
- Authors: Qiming Hu, Mingjia Li, Yuntong Li, Xiaojie Guo,
- Abstract要約: 単一像の反射分離は、透過層と反射層の絡み合いによって根本的に困難である。
既存のアプローチは主に単純化された仮定や独立したモデリングに依存し、現実世界のシナリオを扱う能力を制限する。
本稿では, 層間相互作用をより忠実に特徴づけ, 分解精度を向上させる非線形重ね合わせモデルを提案する。
- 参考スコア（独自算出の注目度）: 15.424145816267304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image reflection separation is fundamentally challenged by the entanglement of transmission and reflection layers under complex image formation processes. Existing approaches largely rely on simplified assumptions or independent modeling, limiting their ability to handle real-world scenarios. In this work, we revisit the problem from a unified perspective and identify a key issue of existing approaches, i.e., the widely adopted linear composition model in the sRGB domain fails to capture the nonlinear coupling introduced by real-world image signal processing pipelines. To address this, we introduce a learnable nonlinear superposition model that more faithfully characterizes layer interactions and improves decomposition fidelity. Building upon this formulation, we propose a generalized dual-stream interactive framework that explicitly models bidirectional dependencies between transmission and reflection through feature exchange. This framework unifies activation-, gating-, and attention-based interaction mechanisms, and is compatible with both CNN and Transformer backbones. Extensive experiments on diverse real-world benchmarks demonstrate that the proposed approach achieves superior performance with strong generalization capability. More importantly, our study reveals that reflection separation is not about undoing a linear mixture, but about learning nonlinear formation and interaction}, offering new insights into the design of principled image decomposition models. Code and models are publicly available at https://mingcv.github.io/DIRS-Page.
- Abstract（参考訳）: 単像反射分離は、複雑な画像形成過程下での透過層と反射層の絡み合いにより、基本的には困難である。
既存のアプローチは主に単純化された仮定や独立したモデリングに依存し、現実世界のシナリオを扱う能力を制限する。
本研究では,SRGB領域において広く採用されている線形合成モデルでは,実世界の画像信号処理パイプラインで導入された非線形結合を捉えることができない。
そこで本研究では, 層間相互作用をより忠実に特徴付け, 分解精度を向上させる非線形重ね合わせモデルを提案する。
この定式化に基づいて,特徴交換による伝送と反射の双方向依存性を明示的にモデル化する,一般化されたデュアルストリーム対話型フレームワークを提案する。
このフレームワークはアクティベーション、ゲーティング、アテンションベースのインタラクションメカニズムを統一し、CNNとTransformerのバックボーンと互換性がある。
多様な実世界のベンチマークに対する大規模な実験により,提案手法は高い一般化能力を有する優れた性能を達成できることを示した。
さらに重要なことは、リフレクション分離は線形混合を解き放つことではなく、非線形形成と相互作用を学ぶことであり、原理化された画像分解モデルの設計に関する新たな洞察を提供する。
コードとモデルはhttps://mingcv.github.io/DIRS-Page.comで公開されている。
関連論文リスト
- GFRRN: Explore the Gaps in Single Image Reflection Removal [23.018215754935753]
単一画像の反射除去のためのギャップフリー反射除去ネットワーク(GFRRN)を提案する。
本研究では,まず,パラメータ効率のよい微調整(PEFT)戦略を採用し,トレーニングの方向性を調整する。
そして、ラベル生成装置は、合成データと実世界のデータの両方のリフレクションラベルを統合するように設計されている。
GFRRNの有効性を実証し,最先端SIRR法に対して優れた性能を示した。
論文 参考訳（メタデータ） (2026-02-26T07:17:49Z) - Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking [154.2388970262703]
Unified Vision-Language Models (UVLM) は、単一のフレームワーク内での理解と生成の両方をサポートすることで、マルチモーダル学習を促進することを目的としている。
本稿では,解析処理と起案処理を交互に行う新たな思考パラダイムである,インターリーブド・アナライジング・ドレイティング問題解決ループ(AD-Loop)を紹介する。
テキスト思考を視覚的思考とインターリーブすることで、AD-Loopはモデルが理解と出力の両方を反復的に洗練し、真のシナジーを育むことができる。
論文 参考訳（メタデータ） (2026-02-24T23:26:09Z) - Cycle-Consistent Tuning for Layered Image Decomposition [26.331480224165364]
ビジュアルレイヤを現実世界のイメージに切り離すことは、視覚とグラフィックスにおいて永続的な課題である。
層状分離に大規模な拡散基盤モデルを利用するインコンテキスト画像分解フレームワークを提案する。
提案手法は, 高精度かつコヒーレントな分解を実現し, その他の分解タイプに対して効果的に一般化する。
論文 参考訳（メタデータ） (2026-02-24T15:10:31Z) - A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal [68.0573194557999]
シングルイメージリフレクション除去(SIRR)は、標準的なブラインドソース分離問題である。
本稿ではSIRRのための新しいDeep Exclusion Unfolding Network(DExNet)を提案する。
DExNetは、単純な反復スパースと補助的特徴更新(i-SAFU)アルゴリズムの展開とパラメータ化によって構築される。
論文 参考訳（メタデータ） (2025-03-03T07:54:27Z) - Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。
本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文 参考訳（メタデータ） (2024-11-17T17:45:37Z) - Single Image Reflection Separation via Component Synergy [14.57590565534889]
反射重畳現象は複雑で、現実世界に広く分布している。
学習可能な残余項を導入することにより、重ね合わせモデルのより一般的な形式を提案する。
その利点をフルに活用するために,ネットワーク構造をさらに精巧に設計する。
論文 参考訳（メタデータ） (2023-08-19T14:25:27Z) - Exploring Invariant Representation for Visible-Infrared Person
Re-Identification [77.06940947765406]
異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。
本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。
RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
論文 参考訳（メタデータ） (2023-02-02T05:24:50Z) - RISP: Rendering-Invariant State Predictor with Differentiable Simulation
and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。
本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。
提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文 参考訳（メタデータ） (2022-05-11T17:59:51Z) - SIR: Self-supervised Image Rectification via Seeing the Same Scene from
Multiple Different Lenses [82.56853587380168]
本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。
我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。
本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
論文 参考訳（メタデータ） (2020-11-30T08:23:25Z)
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。