論文の概要: Fabric Image Demoiréing Benchmark from Synthesis to Restoration

• arxiv url: http://arxiv.org/abs/2606.24072v1
• Date: Tue, 23 Jun 2026 02:29:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.734122
• Title: Fabric Image Demoiréing Benchmark from Synthesis to Restoration
• Title（参考訳）: 合成から再生までのベンチマーク画像のファブリック化
• Authors: Pengchao Wei, Xiaojie Guo,
• Abstract要約: ファブリック・モアレ(Fabric moiré)は、微細な織物パターンとカメラセンサーグリッドの相互作用によって引き起こされる、サンプリングによって誘導されるエイリアシングアーティファクトである。 ファブリック画像復号化のための総合的なベンチマークを初めて提示する。
• 参考スコア（独自算出の注目度）: 8.898461121543269
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fabric moiré is a sampling-induced aliasing artifact caused by the interaction between fine textile patterns and camera sensor grids, producing structured interference that severely degrades image quality. Unlike screen-induced moiré, which stems from strictly periodic display lattices, fabric moiré is intrinsically more challenging due to the broadband and semi-periodic nature of textile weaves. The heavy spectral overlap between intrinsic texture and aliasing components renders fabric demoiréing substantially more ill-posed. Consequently, existing models trained on screen moiré datasets generalize poorly to these complex textile patterns. Despite its practical importance, fabric image demoiréing remains underexplored and lacks standardized benchmarks. We present the first comprehensive benchmark for fabric image demoiréing. To address the difficulty of acquiring pixel-aligned real-world pairs, we develop a physically motivated synthesis framework and construct a large-scale dataset comprising 16,050 paired multi-resolution fabric images with controllable aliasing severity. Furthermore, we customize a baseline model, which establishes promising performance on the proposed benchmark dataset with strong generalization ability. Our benchmark provides a standardized platform for advancing research in fabric image demoiréing.
• Abstract（参考訳）: ファブリック・モアレ(Fabric moiré)は、微細な織物パターンとカメラセンサーグリッドの相互作用によって引き起こされる、サンプリングによって誘導されるエイリアシングの人工物である。 厳密な周期的な表示格子に由来するスクリーン誘起のモアレとは異なり、繊維織物のブロードバンドと半周期的な性質のため、ファブリック・モアレは本質的に困難である。 固有のテクスチャとエイリアス成分のスペクトルの重大オーバーラップは、布の解体を著しく悪化させる。 その結果、スクリーンモアレデータセットでトレーニングされた既存のモデルは、これらの複雑な織物パターンによく適応している。 実用的重要性にもかかわらず、ファブリック画像の復号化は未定であり、標準化されたベンチマークが欠如している。 ファブリック画像復号化のための総合的なベンチマークを初めて提示する。 16,050対の多解像度ファブリック画像からなる大規模データセットを高精細度に制御可能とした物理動機付け合成フレームワークを開発した。 さらに,提案したベンチマークデータセットの性能を高い一般化能力で保証するベースラインモデルをカスタマイズする。 我々のベンチマークは、ファブリック画像復号化の研究を進めるための標準化されたプラットフォームを提供する。

関連論文リスト

• PostureObjectstitch: Anomaly Image Generation Considering Assembly Relationships in Industrial Scenarios [20.34512791415563]
  既存の生成技術は、組立における産業部品のポーズと方向性をほとんど考慮しない。 本稿では,産業集積の要求を満たすための正確な生成を実現するために,PostureStitchObjectと呼ばれる新しい画像合成手法を提案する。
  論文  参考訳（メタデータ） (2026-04-15T13:29:08Z)
• NI-Tex: Non-isometric Image-based Garment Texture Generation [32.24911447699767]
  3Dの衣服メッシュは、ほとんどの現実世界の衣服をカバーしているが、テクスチャの多様性は限られている。 より現実的なテクスチャを得るために、生成法は物理ベースのレンダリング(PBR)テクスチャや材料を抽出するためにしばしば用いられる。 物理的にシミュレートされた衣服中心のデータセットである3D Garment Videosを構築した。 我々はNano Bananaを高品質な非等尺画像編集に利用し、非等尺画像-幾何対間の信頼性の高いクロストポロジーテクスチャ生成を実現している。
  論文  参考訳（メタデータ） (2025-11-24T04:57:38Z)
• Texture-aware Intrinsic Image Decomposition with Model- and Learning-based Priors [10.34258784689083]
  そこで本研究では,本質的な画像分解において,厳しい照明と豊かなテクスチャを扱うための新しい手法を提案する。 従来のテクスチャ認識と組み合わせることで,既存のアプローチよりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-09-11T11:07:25Z)
• FabricDiffusion: High-Fidelity Texture Transfer for 3D Garments Generation from In-The-Wild Clothing Images [56.63824638417697]
  ファブリックディフュージョン(FabricDiffusion)は、織物のテクスチャを1枚の衣服画像から任意の形状の3D衣服に転送する方法である。 FabricDiffusionは、テクスチャパターン、材料特性、詳細な印刷物やロゴを含む、単一の衣料品画像から様々な特徴を伝達できることを示す。
  論文  参考訳（メタデータ） (2024-10-02T17:57:12Z)
• On Synthetic Texture Datasets: Challenges, Creation, and Curation [1.9567015559455132]
  高品質で多様なテクスチャ画像を生成するための方法論とそれに対応する新しいデータセットを提案する。 パイプラインは,(1)テキスト・ツー・イメージ・モデルの入力として機能するディスクリプタからプロンプトを開発すること,(2)安定した拡散パイプラインを採用して対応する画像を生成しフィルタすること,(3)高品質な画像までフィルタリングすること,からなる。 標準メトリクスと人的評価の両方を通じて、私たちのデータセットは高品質で多様なものであることが分かりました。
  論文  参考訳（メタデータ） (2024-09-16T14:02:18Z)
• ENTED: Enhanced Neural Texture Extraction and Distribution for Reference-based Blind Face Restoration [51.205673783866146]
  我々は,高品質でリアルな肖像画を復元することを目的とした,ブラインドフェイス修復のための新しいフレームワークであるENTEDを提案する。 劣化した入力画像と参照画像の間で高品質なテクスチャ特徴を伝達するために,テクスチャ抽出と分布の枠組みを利用する。 われわれのフレームワークにおけるStyleGANのようなアーキテクチャは、現実的な画像を生成するために高品質な潜伏符号を必要とする。
  論文  参考訳（メタデータ） (2024-01-13T04:54:59Z)
• Person Image Synthesis via Denoising Diffusion Model [116.34633988927429]
  本研究では,高忠実度人物画像合成に拡散モデルをいかに応用できるかを示す。 2つの大規模ベンチマークとユーザスタディの結果は、挑戦的なシナリオ下で提案したアプローチのフォトリアリズムを実証している。
  論文  参考訳（メタデータ） (2022-11-22T18:59:50Z)
• Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
  制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。 本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。 本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
  論文  参考訳（メタデータ） (2021-05-31T07:07:44Z)
• Image Inpainting Guided by Coherence Priors of Semantics and Textures [62.92586889409379]
  セマンティクスとテクスチャ間のコヒーレンスプリエンスを導入することにより、セマンティクス的な方法で別々のテクスチャを完成させることに集中できる。 また,全体構造と詳細なテクスチャの観点から,セマンティクスとインペインテッドイメージの一貫性を制約する2つのコヒーレンス損失を提案する。
  論文  参考訳（メタデータ） (2020-12-15T02:59:37Z)
• Region-adaptive Texture Enhancement for Detailed Person Image Synthesis [86.69934638569815]
  RATE-Netは、シャープなテクスチャで人物画像を合成するための新しいフレームワークである。 提案するフレームワークは,テクスチャ強化モジュールを利用して,画像から外観情報を抽出する。 DeepFashionベンチマークデータセットで実施された実験は、既存のネットワークと比較して、我々のフレームワークの優位性を実証した。
  論文  参考訳（メタデータ） (2020-05-26T02:33:21Z)

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。