論文の概要: RTE-FM-Dehazer: Radiative Transfer Equation Inspired Flow Matching for Real-World Image Dehazing
- arxiv url: http://arxiv.org/abs/2607.01748v1
- Date: Thu, 02 Jul 2026 06:06:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.690952
- Title: RTE-FM-Dehazer: Radiative Transfer Equation Inspired Flow Matching for Real-World Image Dehazing
- Title（参考訳）: RTE-FM-Dehazer: リアルタイム画像デハジングのための放射移動方程式に基づくフローマッチング
- Abstract要約: シングルイメージデハジングは、ぼんやりしたイメージから明確なシーンを復元することを目的としており、一般的に画像から画像への変換タスクとして定式化されている。
本稿では、スケーラブルなデータパイプラインとともに、新しいデハージングアプローチであるRTE-FM-Dehazerを紹介する。
本稿では,RTE-FM-Dehazerが残留迷路やカラードリフトなどのアーティファクトを効果的に排除し,強いクロスドメインの一般化を示し,実世界のデハジングベンチマーク5つの主要な結果を得ることを示す。
- 参考スコア（独自算出の注目度）: 23.480153155650502
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Single-image dehazing aims to recover a clear scene from a hazy image and is generally formulated as an image-to-image translation task; however, it faces two limitations. Its performance depends heavily on the haze-formation priors embedded in the model. Prevailing methods adopt the Atmospheric Scattering Model (ASM), whose assumptions of single scattering and homogeneous media are often violated, leading to residual haze and color drift. Moreover, large-scale real hazy/clear pairs are impractical to collect, and existing synthesis approaches fail to reproduce the full complexity of natural haze. To address these issues, we present RTE-FM-Dehazer, a novel dehazing approach, together with a scalable data pipeline. Unlike the ASM, the Radiative Transfer Equation (RTE) jointly accounts for both scattering and absorption, naturally accommodating the non-homogeneous, multiple-scattering media that characterize real hazy scenes. Motivated by the structural similarity between the RTE diffusion-absorption term and the ODE in flow matching, we introduce a diffusion-absorption regularizer derived from a reduced RTE, to steer the flow matching trajectory at each step. Next, leveraging modern vision-language models, we build an automated pipeline and release P-HAZE, a dataset of 50000 realistic hazy/clear pairs. Extensive evaluations demonstrate that RTE-FM-Dehazer, trained solely on P-HAZE, effectively eliminates artifacts like residual haze and color drift, exhibits strong cross-domain generalization, and achieves leading results on five real-world dehazing benchmarks.
- Abstract（参考訳）: シングルイメージデハジングは、ぼんやりしたイメージから明確なシーンを復元することを目的としており、一般的に画像から画像への変換タスクとして定式化されているが、2つの制限に直面している。
その性能は、モデルに埋め込まれた迷路形成の先行に大きく依存する。
一般的な方法では大気散乱モデル(ASM)が採用されており、単一散乱や均質媒質の仮定がしばしば破られ、残留した迷路や色漂流を引き起こす。
さらに、大規模な実ハズー/クラーペアの収集は不可能であり、既存の合成アプローチは自然ハズーの完全な複雑さを再現することができない。
これらの問題に対処するために、スケーラブルなデータパイプラインとともに、新しいデハージングアプローチであるRTE-FM-Dehazerを紹介します。
ASMとは異なり、放射移動方程式(RTE)は散乱と吸収の両方を共同で説明し、非均質で多重散乱の媒体を自然に調節し、現実の派手なシーンを特徴づける。
フローマッチングにおけるRTE拡散吸収項とODEの構造的類似性から, 還元されたRTEから導かれる拡散吸収正則化器を導入し, 各ステップにおけるフローマッチング軌道の制御を行う。
次に、現代のビジョン言語モデルを活用して、自動パイプラインを構築し、50000の現実的なヘイズ/クリアペアのデータセットであるP-HAZEをリリースします。
RTE-FM-Dehazerは、P-HAZEのみを訓練し、残留したヘイズやカラードリフトなどのアーティファクトを効果的に排除し、強いクロスドメインの一般化を示し、5つの実世界のデハジングベンチマークで主要な結果が得られることを示した。
関連論文リスト
- Monocular Avatar Reconstruction via Cascaded Diffusion Priors and UV-Space Differentiable Shading [22.58255448808833]
本研究では,高忠実で高照度な3Dアバターを1つの画像から再構成する枠組みを提案する。
提案手法は,100点未満の実3Dスキャンで訓練され,より優れたリアリズムと一般化を備えた包括的で4K解像度のPBR資産を生成する。
論文 参考訳（メタデータ） (2026-06-26T14:41:13Z) - PRISM: Rethinking Scattered Atmosphere Reconstruction as a Unified Understanding and Generation Model for Real-world Dehazing [22.670768613999787]
PRISMは、大気散乱モデルの下で透明なシーンと散乱変数を共同で再構成する物理的に構造化されたフレームワークである。
我々は、オンラインの非一様ヘイズ合成パイプラインと選択的な自己蒸留適応スキームを設計する。
実世界のベンチマーク実験は、PRISMがRIDタスクの最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-04-08T13:01:30Z) - Residual-based Efficient Bidirectional Diffusion Model for Image Dehazing and Haze Generation [17.043633726365233]
現在のディープデヘイズ法は、ヘイズフリー画像とヘイズフリー画像の翻訳能力に欠け、ヘイズ画像からヘイズを除去することのみに焦点を当てている。
本研究では, 残差に基づく効率的な双方向拡散モデル (RBDM) を提案し, 脱ハジングとヘイズ生成の両方の条件分布をモデル化する。
RBDMは,15ステップのサンプリングで,ヘイズフリー画像とヘイズ画像の双方向化を実現することに成功した。
論文 参考訳（メタデータ） (2025-08-15T01:00:15Z) - Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。
拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文 参考訳（メタデータ） (2025-07-02T01:22:46Z) - Physics-Guided Image Dehazing Diffusion [35.93081248202844]
合成データセットでトレーニングされた現在のデータ駆動型デハージングアルゴリズムは、合成データでうまく機能するが、現実のシナリオに一般化するのに苦労する。
textbfImage textbfDehazing textbfDiffusion textbfModels (IDDM) を提案する。
論文 参考訳（メタデータ） (2025-04-30T07:36:10Z) - Learning Hazing to Dehazing: Towards Realistic Haze Generation for Real-World Image Dehazing [59.43187521828543]
本稿では,現実的なヘイズ画像生成フレームワーク(HazeGen)と拡散に基づくデハズ・フレームワーク(DiffDehaze)からなる,新しいヘイズ・デハズ・パイプラインを紹介する。
HazeGenは、事前訓練されたテキスト-画像拡散モデルに埋め込まれた実世界のハジー画像の堅牢な生成拡散先を利用する。
HazeGenは、特殊なハイブリッドトレーニングと混合サンプリング戦略を採用することで、DiffDehazeの高品質なトレーニングデータとして、現実的で多様なハジーイメージを生成する。
論文 参考訳（メタデータ） (2025-03-25T01:55:39Z) - DehazeMamba: SAR-guided Optical Remote Sensing Image Dehazing with Adaptive State Space Model [27.83437788159158]
DehazeMambaはプログレッシブ・ヘイズ・デカップリング・フュージョン・ストラテジー上に構築された新規なSAR誘導脱ヘイズ・ネットワークである。
提案手法は,光-SAR差分解析によるヘイズ影響領域を動的に同定するHPDMと,特徴量評価に基づく2段階融合プロセスによるドメインシフトを緩和するプログレッシブ・フュージョン・モジュール (PFM) である。
大規模な実験により、DehazeMambaは最先端の手法を著しく上回り、PSNRの0.73dB改善と下流タスクの大幅な強化を実現している。
論文 参考訳（メタデータ） (2025-03-17T11:25:05Z) - One Diffusion Step to Real-World Super-Resolution via Flow Trajectory Distillation [60.54811860967658]
FluxSRはフローマッチングモデルに基づく新しい一段階拡散リアルISRである。
まず,フロートラジェクトリ蒸留(FTD)を導入し,多段階のフローマッチングモデルを1段階のリアルISRに蒸留する。
第2に、画像リアリズムを改善し、生成画像の高周波アーティファクト問題に対処するために、テレビLPIPSを知覚的損失として提案する。
論文 参考訳（メタデータ） (2025-02-04T04:11:29Z) - Distilling Diffusion Models into Conditional GANs [90.76040478677609]
複雑な多段階拡散モデルを1段階条件付きGAN学生モデルに蒸留する。
E-LatentLPIPSは,拡散モデルの潜在空間で直接動作する知覚的損失である。
我々は, 最先端の1ステップ拡散蒸留モデルよりも優れた1ステップ発生器を実証した。
論文 参考訳（メタデータ） (2024-05-09T17:59:40Z) - Frequency Compensated Diffusion Model for Real-scene Dehazing [6.105813272271171]
本研究では,実ヘイズへの一般化を改善する条件付き拡散モデルに基づく脱ヘイズフレームワークについて考察する。
提案手法は, 実世界の画像において, 最先端の手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2023-08-21T06:50:44Z) - Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。
本稿では,階層型統合拡散モデル(HI-Diff)を提案する。
人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
論文 参考訳（メタデータ） (2023-05-22T12:18:20Z) - FD-GAN: Generative Adversarial Networks with Fusion-discriminator for
Single Image Dehazing [48.65974971543703]
画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。
我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。
実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
論文 参考訳（メタデータ） (2020-01-20T04:36:11Z)
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。