Fugu-MT 論文翻訳(概要): Learning Adaptive Dynamical Features via Multi-$τ$ Liquid-Mamba for All-in-one Image Restoration

論文の概要: Learning Adaptive Dynamical Features via Multi-$τ$ Liquid-Mamba for All-in-one Image Restoration

arxiv url: http://arxiv.org/abs/2606.22801v1
Date: Mon, 22 Jun 2026 03:20:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-25 04:32:31.779877
Title: Learning Adaptive Dynamical Features via Multi-$τ$ Liquid-Mamba for All-in-one Image Restoration
Title（参考訳）: All-in-one画像復元のための Multi-τ$ Liquid-Mamba による適応動的特徴の学習
Authors: Hu Gao, Changshuo Wang, Yulong Chen, Lizhuang Ma,
Abstract要約: 液体マンバ(Liquid-Mamba)は、多時間液体離散化の入力適応性を選択状態空間モデリングに導入する適応状態空間モジュールである。我々はオールインワン画像復元のためのMulti$ LiquidMamba Image Restoration Network (MLMIR) を開発した。
参考スコア（独自算出の注目度）: 53.80629284653929
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image restoration aims to recover high-quality images from degraded observations. Recent Mamba-based image restoration models have demonstrated strong potential in modeling long-range dependencies with linear complexity. However, most existing designs still rely on a single state-evolution timescale, which limits their adaptability to spatially heterogeneous and task-dependent degradation patterns in all-in-one image restoration. In this paper, we propose Multi-$τ$ Liquid-Mamba, an adaptive state space module that introduces input-conditioned multi-timescale liquid discretization into selective state space modeling. Instead of changing the overall selective scan pipeline, the proposed module modulates the effective discretization steps of multiple dynamical branches and adaptively fuses their responses according to degradation-aware gating weights. This design allows the model to capture both fast-varying local details and slowly evolving global structures while preserving the linear scaling property of Mamba with respect to sequence length. Importantly, Multi-$τ$ Liquid-Mamba modulates the effective transition dynamics while preserving the original selective parameterization and hardware-efficient selective scan mechanism, making it a plug-and-play module that can be seamlessly integrated into existing Mamba-based architectures. Built upon this framework, we develop a Multi-$τ$ Liquid-Mamba Image Restoration Network (MLMIR) for all-in-one image restoration. Extensive experiments on a wide range of restoration benchmarks demonstrate that MLMIR consistently achieves state-of-the-art performance in all-in-one image restoration while remaining highly competitive in task-aligned restoration settings.
Abstract（参考訳）: 画像復元は、劣化した観察から高品質な画像を復元することを目的としている。最近のマンバをベースとした画像復元モデルは、線形複雑性を伴う長距離依存をモデル化する上で大きな可能性を示している。しかし、既存の設計の多くは単一の状態進化の時間スケールに依存しており、オールインワン画像復元における空間的に不均一でタスクに依存した劣化パターンへの適応性を制限している。本稿では,適応状態空間モジュールであるMulti-$τ$ Liquid-Mambaを提案する。提案したモジュールは、全体選択的スキャンパイプラインを変更する代わりに、複数の動的分岐の効果的な離散化ステップを変調し、劣化に気付くゲーティングの重みに応じてそれらの応答を適応的に融合する。この設計により、高速で変化する局所的な詳細とゆっくり変化するグローバルな構造の両方を捉えることができ、シーケンス長に関して、Mambaの線形スケーリング特性を保存することができる。重要なことは、Multi-$τ$ Liquid-Mambaは、元の選択パラメータ化とハードウェア効率の良い選択スキャン機構を保持しながら、効果的な遷移ダイナミクスを変調し、既存のMambaベースのアーキテクチャにシームレスに統合できるプラグイン・アンド・プレイモジュールである。この枠組みに基づいて,オールインワン画像復元のためのMulti-$τ$ Liquid-Mamba Image Restoration Network (MLMIR)を開発した。広範囲にわたる復元ベンチマーク実験により、MLMIRは、タスク整合回復設定において高い競争力を維持しながら、オールインワン画像復元における最先端のパフォーマンスを一貫して達成していることが示された。

関連論文リスト

Learning to Restore Multi-Degraded Images via Ingredient Decoupling and Task-Aware Path Adaptation [51.10017611491389]
現実のイメージは、雨、騒音、ヘイズのような複数の共存する劣化に悩まされることが多い。本稿では, 劣化成分の分解表現を利用して, 画像の再構成を行う適応型多重劣化画像復元ネットワークを提案する。その結果、IMDNetと呼ばれる密に統合されたアーキテクチャは、実験を通じて広範囲に検証されている。
論文参考訳（メタデータ） (2025-11-07T01:50:36Z)
VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文参考訳（メタデータ） (2025-05-02T12:21:44Z)
An Efficient and Mixed Heterogeneous Model for Image Restoration [71.85124734060665]
現在の主流のアプローチは、CNN、Transformers、Mambasの3つのアーキテクチャパラダイムに基づいている。混合構造融合に基づく効率的で汎用的なIRモデルであるRestorMixerを提案する。
論文参考訳（メタデータ） (2025-04-15T08:19:12Z)
Multi-dimensional Visual Prompt Enhanced Image Restoration via Mamba-Transformer Aggregation [4.227991281224256]
本稿では,計算効率を犠牲にすることなく,MambaとTransformerの相補的な利点を十分に活用することを提案する。マンバの選択的走査機構は空間モデリングに焦点をあて、長距離空間依存のキャプチャを可能にする。トランスフォーマーの自己保持機構は、画像の空間次元と二次的な成長の重荷を回避し、チャネルモデリングに焦点をあてる。
論文参考訳（メタデータ） (2024-12-20T12:36:34Z)
Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding [67.57487747508179]
マルチインワン画像復元 (IR) は, 一つのモデルで全ての種類の劣化画像復元を処理し, 大幅な進歩を遂げている。本稿では,単一と混合の分解で画像を効果的に復元できる新しいマルチインワンIRモデルを提案する。
論文参考訳（メタデータ） (2024-11-25T09:26:34Z)
IRSRMamba: Infrared Image Super-Resolution via Mamba-based Wavelet Transform Feature Modulation Model [7.842507196763463]
IRSRMambaはマルチスケール適応のためのウェーブレット変換特徴変調を統合する新しいフレームワークである。 IRSRMambaはPSNR、SSIM、知覚品質において最先端の手法より優れている。この研究は、高忠実度赤外線画像強調のための有望な方向として、Mambaベースのアーキテクチャを確立する。
論文参考訳（メタデータ） (2024-05-16T07:49:24Z)
FusionMamba: Dynamic Feature Enhancement for Multimodal Image Fusion with Mamba [19.761723108363796]
FusionMamba はコンピュータビジョンタスクにおいて CNN や Vision Transformers (ViT) が直面する課題を克服することを目的としている。このフレームワークは動的畳み込みとチャネルアテンション機構を統合することで、視覚的状態空間モデルMambaを改善している。実験により、FusionMambaは様々なマルチモーダル画像融合タスクや下流実験で最先端の性能を達成することが示された。
論文参考訳（メタデータ） (2024-04-15T06:37:21Z)
MixNet: Efficient Global Modeling for Ultra-High-Definition Image Restoration [36.15948393000783]
そこで我々は,MixNetという新たな画像復元手法を提案する。過剰な計算複雑性を伴わずに、機能の長距離依存性を捉えるために、Global Feature Modulation Layer (GFML)を提示する。低照度画像強調,水中画像強調,画像劣化,画像復調を含む4つのUHD画像復元タスクについて広範な実験を行い,提案手法が現在の最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-01-19T12:40:54Z)

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。