論文の概要: Slope-Guided Mamba and Angular-Refined Transformer for Light Field Super-Resolution
- arxiv url: http://arxiv.org/abs/2607.00965v1
- Date: Wed, 01 Jul 2026 14:01:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.926566
- Title: Slope-Guided Mamba and Angular-Refined Transformer for Light Field Super-Resolution
- Title（参考訳）: 光電界超解像用傾斜ガイド型マンバと角形変圧器
- Abstract要約: Light Field Super-Resolution (LFSR) は空間角相関の正確なモデリングを必要とする。
このような高次元の一貫性を維持することは、一般的なモデリングパラダイムにおける2つの固有の制限のために困難である。
Slope-Guided MambaとAngular-Refined Transformerを統合した,SMARTと呼ばれるハイブリッド光フィールド超解像ネットワークを提案する。
5つのベンチマーク実験により、SMARTは最先端のパフォーマンスを達成し、従来の手法を0.42dB(PSNR)で上回り、アーティファクトを大幅に削減した。
- 参考スコア（独自算出の注目度）: 13.838595570912227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Light Field Super-Resolution (LFSR) necessitates accurate modeling of spatial-angular correlations while preserving intrinsic 4D ray coherence. However, maintaining such high-dimensional consistency remains challenging, primarily due to two inherent limitations in prevailing modeling paradigms. First, spatial and angular dimensions are often modeled in a decoupled manner, restricting early cross-dimensional interaction and leading to geometric inconsistencies. Moreover, although continuous sequence modeling paradigms show promise in representing epipolar structures, their rigid scanning mechanisms fundamentally conflict with epipolar geometry, limiting geometry-aware feature aggregation. To address these challenges, we propose a hybrid light field super-resolution network, termed SMART, which integrates a Slope-Guided Mamba and an Angular-Refined Transformer to effectively overcome these limitations. Specifically, we introduce an angular-modulated spatial module to bridge the decoupling gap, incorporating angular priors to strengthen spatial-angular correlation modeling. To mitigate the scan-geometry mismatch, we propose a manifold-aligned trajectory module that enables geometry-consistent sequence modeling along epipolar structures. Experiments on five benchmarks demonstrate that SMART achieves state-of-the-art performance, surpassing previous methods by 0.42 dB (PSNR) with significantly reduced artifacts.
- Abstract（参考訳）: Light Field Super-Resolution (LFSR) は、固有の4D線コヒーレンスを保持しながら、空間-角相関の正確なモデリングを必要とする。
しかし、このような高次元の一貫性を維持することは、主に、一般的なモデリングパラダイムに固有の2つの制限があるため、依然として困難である。
第一に、空間次元と角次元は、しばしば分離された方法でモデル化され、初期のクロス次元相互作用を制限し、幾何学的不整合をもたらす。
さらに、連続シーケンスモデリングのパラダイムは、エピポーラ構造を表現することを約束するが、その剛性走査機構は、基本的にエピポーラ幾何学と矛盾し、幾何学的特徴の集約を制限する。
これらの課題に対処するため,Slope-Guided MambaとAngular-Refined Transformerを統合し,これらの制限を効果的に克服する,SMARTと呼ばれるハイブリッド光フィールド超解像ネットワークを提案する。
具体的には,空間-角相関モデルを強化するために,空間-角相関モデルを強化するために,乱れギャップを埋める角度変調空間モジュールを導入する。
スキャン-幾何学的ミスマッチを緩和するために, エピポーラ構造に沿って幾何一貫性のあるシーケンスモデリングを可能にする, 多様体整列軌道モジュールを提案する。
5つのベンチマーク実験により、SMARTは最先端のパフォーマンスを達成し、従来の手法を0.42dB(PSNR)で上回り、アーティファクトを大幅に削減した。
関連論文リスト
- Convolutional Symmetric AutoEncoders: enhancing latent stability via differential geometry [0.0]
この研究は、畳み込み層の表現整合性を拡張することにより、arXiv:2307.15288v2とarXiv:2506.11641v1による研究に基づいている。
本稿では, 対称畳み込み自己エンコーダ (CAE) の新たなクラスを導入し, 多様体パラメトリゼーション写像の一次特性を具現化する。
論文 参考訳（メタデータ） (2026-07-01T09:16:37Z) - MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。
MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。
HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
論文 参考訳（メタデータ） (2026-06-22T10:14:06Z) - SPDM: Geometry-Modulated State Space Modeling with Manifold Constraints for Time Series Forecasting [15.612678669559516]
多変数時系列予測では、相互作用する変数間の連続的に変化する相関構造をキャプチャする必要がある。
状態空間モデリングに多様体制約を導入することで、この制限に対処する。
本研究では,この原理を2つの協調機構により実現した幾何学的SSMアーキテクチャであるSPDMを提案する。
論文 参考訳（メタデータ） (2026-06-06T17:04:57Z) - Representational Capacity: Geometric Limits on Feature Representation in Transformer Language Models [51.56484100374058]
モデルがサポートできるほぼ直交方向数を推定するためのフレームワークを開発する。
このメトリックを数十のオープンソースモデルに適用すると、高い$varepsilon$を持つモデルと、それを維持する$varepsilon$の低いモデルという2つのクラスが明らかになる。
論文 参考訳（メタデータ） (2026-06-01T18:28:56Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。
MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。
合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
論文 参考訳（メタデータ） (2026-05-05T20:19:09Z) - Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。
ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。
HERLは最先端のアプローチよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-04-18T10:50:46Z) - Geometry-Preserving Aggregation for Mixture-of-Experts Embedding Models [4.125187280299246]
Mixture-of-Experts (MoE) 埋め込みモデルは、重み付き線形和を用いて専門家の出力を合成し、埋め込み空間における線形部分空間構造を暗黙的に仮定する。
現代のMoE埋め込みモデルの幾何学的解析により、専門家の出力は密集ノルムと実質的な角分離によって特徴づけられる共有超球面多様体上にあることが明らかになった。
SBA(Spherical Barycentric Aggregation)は、ラジアル成分と角成分を分離し、既存のルーティング機構と完全に互換性を維持しながら超球面構造を維持する幾何学保存アグリゲーション演算子として導入された。
論文 参考訳（メタデータ） (2026-02-15T08:00:56Z) - Physics-Guided Diffusion Transformer with Spherical Harmonic Posterior Sampling for High-Fidelity Angular Super-Resolution in Diffusion MRI [10.521817442478543]
物理誘導拡散変換器 (PGDiT) を導入し, トレーニング段階と推論段階の両方において, 物理的先行を探索する。
トレーニング中、bベクトル変調とランダム角マスキングを備えたQ-space Geometry-Aware Module (QGAM)は、方向対応表現学習を容易にする。
推測では、2段階の球高調波誘導後サンプリング(SHPS)が取得したデータとの整合を強制し、続いて熱拡散に基づく正則化によって物理的に妥当な再構成が保証される。
論文 参考訳（メタデータ） (2025-09-07T04:31:58Z) - HyMamba: Mamba with Hybrid Geometry-Feature Coupling for Efficient Point Cloud Classification [7.139631485661567]
Geometry-Feature Coupled Pooling (GFCP)は局所的な特徴に隣接する幾何学的情報を動的に集約する。
提案したモデルは,特にModelNet40データセットにおいて,精度が95.99%に向上し,0.03Mの追加パラメータが得られた。さらに,ModelNetShotデータセットでは98.9%の精度を実現し,スパースサンプル下での堅牢な一般化能力を検証している。
論文 参考訳（メタデータ） (2025-05-16T10:30:20Z) - Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。
実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
論文 参考訳（メタデータ） (2024-08-01T15:14:10Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z)
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。