論文の概要: ReLo-IRR: Reflection-Guided LoRA Framework for Image Reflection Removal

• arxiv url: http://arxiv.org/abs/2607.02957v1
• Date: Fri, 03 Jul 2026 05:00:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.472554
• Title: ReLo-IRR: Reflection-Guided LoRA Framework for Image Reflection Removal
• Title（参考訳）: ReLo-IRR:イメージリフレクション除去のためのリフレクション誘導LoRAフレームワーク
• Abstract要約: 単一像反射除去(SIRR)は、反射汚染画像からクリーンな透過層を復元することを目的としている。 本稿では,リフレクション誘導型LoRAフレームワークであるReLo-IRRを提案する。
• 参考スコア（独自算出の注目度）: 6.895611775840055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-image reflection removal (SIRR) aims to recover the clean transmission layer from a reflection-contaminated image. Although recent methods achieve promising results with large diffusion models, they rely on image-agnostic adaptation strategies, e.g., fine-tuning or ControlNet, that enforce uniform suppression regardless of reflection severity. As a result, heavy reflections often leave residuals, while weak ones suffer from detail loss. To this end, we propose ReLo-IRR, a reflection-guided LoRA framework built upon the rectified flow model. First, a lightweight estimator is designed to predict the reflection strength descriptor, providing an explicit prior of reflection dominance for each image and enabling image-dependent LoRA modulation. Second, we introduce a time-conditioned mechanism that fuses this reflection descriptor with timestep embeddings, enabling LoRA modulation to evolve consistently with the coarse-to-fine denoising process. By jointly modeling reflection strength and denoising dynamics, our ReLo-IRR achieves robust suppression of diverse reflection conditions. Extensive experiments on challenging benchmarks validate the effectiveness of ReLo-IRR, demonstrating superior dereflection performance and robust generalization. The code is released at https://github.com/KONGBAI-8080/ReLo-IRR.
• Abstract（参考訳）: 単一像反射除去(SIRR)は、反射汚染画像からクリーンな透過層を復元することを目的としている。 近年の方法は大きな拡散モデルで有望な結果が得られるが、反射重大度に関係なく一様抑制を強制する画像非依存適応戦略(ファインチューニングやコントロールネットなど)に依存している。 その結果、重い反射はしばしば残留し、弱い反射は詳細な損失に悩まされる。 そこで本研究では,リフレクション誘導型LoRAフレームワークであるReLo-IRRを提案する。 第一に、軽量な推定器は、反射強度記述子を予測し、各画像に対する反射優位性を明示し、画像依存のLoRA変調を可能にするように設計されている。 第2に、このリフレクション記述子とタイムステップ埋め込みを融合させる時間条件機構を導入し、ロラ変調を粗大な復調過程とともに一貫した進化を可能にする。 我々のReLo-IRRは反射強度とデノナイジングダイナミクスを共同でモデル化することにより、多様な反射条件の頑健な抑制を実現している。 ReLo-IRRの有効性を検証し、優れた偏向性能とロバストな一般化を示す。 コードはhttps://github.com/KONGBAI-8080/ReLo-IRRで公開されている。

関連論文リスト

• Reflection Steering: Disentangling Reflection from Reasoning in Activation Space for Token-Efficient Inference [14.39927122740842]
  リフレクションは単に確立した結果を再チェックし、トークンの推論を無駄にし、遅延を増加させます。 既存のリフレクションステアリング手法の多くは、ラベル由来の平均差方向を予め設定された層に付加する。 リフレクションステアリング(Reflection Steering)は,LLM内でのリフレクション関連を制御するためのトレーニング不要なフレームワークである。
  論文  参考訳（メタデータ） (2026-08-26T08:55:28Z)
• Teaching Large Reasoning Models Effective Reflection [62.73646680747003]
  大規模推論モデル(LRM)は、最近、複雑な推論タスクにおいて印象的なパフォーマンスを示している。 しかし、すべてのリフレクションが有益であるとは限らない。 まず,自己批判のみを用いてモデルの反射的推論能力を高める訓練フレームワークである自己批判ファインチューニング(SCFT)を提案する。
  論文  参考訳（メタデータ） (2026-01-19T04:51:53Z)
• RestoreVAR: Visual Autoregressive Generation for All-in-One Image Restoration [51.77917733024544]
  潜時拡散モデル(LDM)はオールインワン画像復元法(AiOR)の知覚的品質を改善した。 LDMは反復的なデノゲーションプロセスによって推論が遅くなり、時間に敏感なアプリケーションでは実用的でない。 VAR(Visual Autoregressive Modeling)は、スケールスペースの自己回帰を行い、最先端の拡散変換器に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2025-05-23T15:52:26Z)
• Dereflection Any Image with Diffusion Priors and Diversified Data [86.15504914121226]
  本稿では、効率的なデータ準備パイプラインと、頑健な反射除去のための一般化可能なモデルを備えた包括的解を提案する。 まず、ターゲットシーンでランダムに回転する反射媒体によって生成された横反射除去(DRR)というデータセットを紹介する。 第2に、決定論的出力と高速推論のための1ステップ拡散を伴う拡散に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-21T17:48:14Z)
• Single-image reflection removal via self-supervised diffusion models [2.3838561104233342]
  本稿では,周期整合性と拡散確率モデル(DDPM)を組み合わせたハイブリッド手法を提案する。 実験により,SIR$2のFlashベース反射除去(FRR)データセットと,新たに導入されたMRRデータセットに対する提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-12-29T13:41:33Z)
• Planar Reflection-Aware Neural Radiance Fields [32.709468082010126]
  我々は、窓などの平面反射体を共同でモデル化し、反射光を明示的に鋳造して高周波反射源を捉える反射型NeRFを提案する。 一次光線に沿ってレンダリングすると、きれいで反射のないビューとなり、一方、反射光線に沿って明示的にレンダリングすることで、非常に詳細な反射を再構成することができる。
  論文  参考訳（メタデータ） (2024-11-07T18:55:08Z)
• LoRA-IR: Taming Low-Rank Experts for Efficient All-in-One Image Restoration [62.3751291442432]
  高速なオールインワン画像復元を実現するために,コンパクトな低ランクの専門家を動的に活用する,フレキシブルなフレームワークであるLoRA-IRを提案する。 LoRA-IRは、劣化誘導前訓練とパラメータ効率の良い微調整の2つの訓練段階で構成されている。 実験により、LoRA-IRは計算効率を維持しつつ、14のIRタスクと29のベンチマークでSOTA性能を達成することが示された。
  論文  参考訳（メタデータ） (2024-10-20T13:00:24Z)
• Single Image Reflection Removal with Reflection Intensity Prior Knowledge [14.335849624907611]
  本稿では、反射現象の強度を捉えるための一般的な反射強度を提案する。 画像の領域パッチへの分割により、RPENは画像に先立って一様でない反射を学習する。 本稿では, 単純なトランスフォーマU-Netアーキテクチャを用いて, プリエントベース反射除去ネットワーク(PRRN)を提案する。
  論文  参考訳（メタデータ） (2023-12-06T14:52:11Z)
• Revisiting Single Image Reflection Removal In the Wild [83.42368937164473]
  本研究は,実環境におけるシングルイメージリフレクション除去(SIRR)の問題に焦点をあてる。 我々は,様々な現実世界のリフレクションシナリオに高度に適用可能な,高度なリフレクション収集パイプラインを考案した。 野生での反射除去(RRW)と呼ばれる大規模で高品質な反射データセットを開発する。
  論文  参考訳（メタデータ） (2023-11-29T02:31:10Z)
• ReflectNet -- A Generative Adversarial Method for Single Image Reflection Suppression [0.6980076213134382]
  本稿では,文脈理解モジュールと敵対的学習に基づく単一の画像反射除去手法を提案する。 提案手法は,PSNR と SSIM の観点から,SIR のベンチマークデータセット上で,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2021-05-11T17:33:40Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)

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。