論文の概要: AbsoluteDegradation: A Physics-Inspired Synthetic Film-Degradation Pipeline and Archival Film Restoration Benchmark

• arxiv url: http://arxiv.org/abs/2607.02131v1
• Date: Thu, 02 Jul 2026 13:08:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.836912
• Title: AbsoluteDegradation: A Physics-Inspired Synthetic Film-Degradation Pipeline and Archival Film Restoration Benchmark
• Title（参考訳）: 絶対劣化:物理にインスパイアされた合成フィルム分解パイプラインとアーカイブフィルム修復ベンチマーク
• Authors: Mikołaj Jastrzębski, Dawid Glinkowski, Dawid Zieliński, Daniel Borkowski, Wojciech Kozłowski, Kamil Adamczewski,
• Abstract要約: 絶対分解(AbsoluteDegradation)は、現実的なフィルム劣化を合成するための物理に着想を得たモジュラーパイプラインである。 並行して、実際のアーカイブ映像から得られた81,576個の高解像度フレームのキュレートデータセットを導入する。
• 参考スコア（独自算出の注目度）: 2.137491464843808
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Restoring archival film remains a fundamentally challenging problem due to the absence of paired training data and the lack of standardized evaluation benchmarks. Pristine versions of deteriorated footage are physically unrecoverable, requiring supervised methods to rely on synthetic data that often fail to capture the complex, temporally coherent nature of real film degradation. At the same time, existing real-world datasets are limited in scale, quality, and accessibility, hindering reliable evaluation and fair comparison across methods. We address both limitations with AbsoluteDegradation, a physics-inspired, modular pipeline for synthesizing realistic film degradations, and a new large-scale archival benchmark. The proposed pipeline models the analog-to-digital process as a structured composition of artifact families, incorporating signal-dependent grain, parametric scratches, and temporally coherent camera motion, enabling controlled generation of diverse degradation regimes. In parallel, we introduce a curated dataset of 81,576 high-resolution frames sourced from real archival footage, designed for consistent evaluation under real-world conditions. Together, these contributions provide a unified framework for training and benchmarking restoration models. Extensive experiments across multiple architectures show that models trained with AbsoluteDegradation generalize better to real-world footage, while the proposed benchmark reveals systematic failure modes of current methods. We hope this work establishes a foundation for reproducible and domain-authentic evaluation in archival film restoration.
• Abstract（参考訳）: 修復アーカイブフィルムは、ペアトレーニングデータの欠如と標準化された評価ベンチマークの欠如により、基本的に難しい問題である。 劣化したフィルムのプリスティンバージョンは物理的に回収不可能であり、実際のフィルム劣化の複雑な時間的コヒーレントな性質を捉えるのに失敗する合成データに頼らなければならない。 同時に、既存の実世界のデータセットは、スケール、品質、アクセシビリティに制限されており、信頼性の高い評価とメソッド間の公正な比較を妨げる。 我々は、Absolute Degradation、現実的なフィルム劣化を合成するための物理に着想を得たモジュラーパイプライン、そして新しい大規模アーカイブベンチマークを用いて、両方の制限に対処する。 提案したパイプラインは, アナログ・デジタル・プロセスを, 信号依存穀物, パラメトリックスクラッチ, 時間的コヒーレントなカメラ・モーションを組み込んだ, 各種劣化機構の制御可能な構造構成としてモデル化した。 並行して、実世界の条件下で一貫した評価のために設計された、実際のアーカイブ映像から得られた81,576個の高解像度フレームのキュレートデータセットを導入する。 これらのコントリビューションは、復元モデルのトレーニングとベンチマークのための統合されたフレームワークを提供する。 複数のアーキテクチャにわたる大規模な実験により、AbsoluteDegradationでトレーニングされたモデルは現実の映像よりも一般化され、提案されたベンチマークでは、現在の手法の体系的な障害モードが明らかにされている。 本研究は, アーカイブフィルム修復における再現性, ドメイン・オーセンティック・アセスメントの基礎となることを願っている。

関連論文リスト

• MemoBench: Benchmarking World Modeling in Dynamically Changing Environments [72.23517478870605]
  MemoBenchは動的に変化する環境において、消失・再出現するパラダイムを中心に構築された診断ベンチマークである。 合成シーンと実世界のシーンにまたがる360度地上トラスクリップをキュレートし,VQAに基づく評価と自動メトリクスを組み合わせた評価スイートを設計する。
  論文  参考訳（メタデータ） (2026-06-25T20:37:39Z)
• DVD: Deterministic Video Depth Estimation with Generative Priors [87.46576463137801]
  DVDは、事前訓練されたビデオ拡散モデルをシングルパス深度回帰器に適応させる最初のフレームワークである。 DVDは、最先端のゼロショットのパフォーマンスをベンチマークで達成する。 私たちはパイプラインを完全にリリースし、オープンソースコミュニティに利益をもたらすために、SOTAビデオ深度推定のためのトレーニングスイート全体を提供しています。
  論文  参考訳（メタデータ） (2026-03-12T17:58:06Z)
• HaineiFRDM: Explore Diffusion to Restore Defects in Fast-Movement Films [2.3374825727995328]
  既存のオープンソースフィルム復元手法は,商用技術に比べて性能が限られている。 本研究では,拡散モデルの強力なコンテンツ理解能力を探るため,フィルム復元フレームワークHaineiFRDMを提案する。
  論文  参考訳（メタデータ） (2025-12-31T16:18:07Z)
• A Generative Data Framework with Authentic Supervision for Underwater Image Restoration and Enhancement [51.382274157144714]
  我々は、未ペア画像から画像への変換に基づく生成データフレームワークを開発する。 このフレームワークは、正確な地上構造ラベルを持つ合成データセットを構成する。 実験により、我々の合成データに基づいてトレーニングされたモデルが、既存のベンチマークでトレーニングされたモデルに匹敵する、あるいは優れた色復元と一般化性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-11-18T14:20:17Z)
• MoA-VR: A Mixture-of-Agents System Towards All-in-One Video Restoration [62.929029990341796]
  実世界のビデオは、ノイズ、圧縮アーティファクト、低照度歪みなどの複雑な劣化に悩まされることが多い。 3つの協調エージェントによる人間のプロの推論・処理手順を模倣したMoA-VRを提案する。 具体的には、大規模かつ高解像度なビデオ劣化認識ベンチマークを構築し、視覚言語モデル(VLM)による劣化識別子を構築する。
  論文  参考訳（メタデータ） (2025-10-09T17:42:51Z)
• BrokenVideos: A Benchmark Dataset for Fine-Grained Artifact Localization in AI-Generated Videos [63.03271511550633]
  BrokenVideosは、3,254のAI生成ビデオのベンチマークデータセットで、微妙に注釈付けされたピクセルレベルのマスクが視覚的腐敗の領域を強調している。 実験の結果,BrokenVideosにおける人工物検出モデルの訓練状況とマルチモーダル大言語モデル(MLLM)が,破壊領域のローカライズ能力を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2025-06-25T03:30:04Z)
• OneRestore: A Universal Restoration Framework for Composite Degradation [33.556183375565034]
  現実のシナリオでは、画像障害はしばしば複合的な劣化として現れ、低光、迷路、雨、雪といった要素の複雑な相互作用を示す。 本研究では, 複雑な複合劣化シナリオを正確に表現するために, 4つの物理劣化パラダイムを統合した多目的イメージングモデルを提案する。 OneRestoreは、適応的で制御可能なシーン復元のために設計された新しいトランスフォーマーベースのフレームワークである。
  論文  参考訳（メタデータ） (2024-07-05T16:27:00Z)
• Investigating Tradeoffs in Real-World Video Super-Resolution [90.81396836308085]
  実世界のビデオ超解像(VSR)モデルは、一般化性を改善するために様々な劣化で訓練されることが多い。 最初のトレードオフを軽減するために,性能を犠牲にすることなく,最大40%のトレーニング時間を削減できる劣化手法を提案する。 そこで本研究では,多種多様な実世界の低品質映像系列を含むビデオLQデータセットを提案する。
  論文  参考訳（メタデータ） (2021-11-24T18:58:21Z)

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。