論文の概要: CURE: Controllable Unified Image Restoration for Complex Degradations

• arxiv url: http://arxiv.org/abs/2607.03044v1
• Date: Fri, 03 Jul 2026 07:34:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.50406
• Title: CURE: Controllable Unified Image Restoration for Complex Degradations
• Title（参考訳）: CURE:複雑な劣化に対する制御可能な統一画像復元
• Abstract要約: CUREは複雑な劣化設定で制御可能な復元を可能にする統一されたフレームワークである。 CUREは、複合劣化ベンチマークで最先端のパフォーマンスを提供する。
• 参考スコア（独自算出の注目度）: 11.660815850318114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The presence of composite degradations poses a significant challenge, since the underlying corruption factors exhibit complex and interdependent interactions. Even when the degradation types are known, accurately restoring the image remains difficult due to the intertwined nature of their effects and the need for selective control during the recovery process. To address this, we introduce CURE, a unified framework that enables controllable restoration in complex degradation settings by learning disentangled and adjustable representations. CURE is driven by four complementary objectives. First, an identity embedding is incorporated, along with a reconstruction constraint, to ensure that the model can reproduce the input image when restoration is unnecessary. Second, the ratio control mechanism blends the identity embedding with degradation-specific embeddings using user-regulated mixing ratios, allowing continuous control over restoration intensity. Third, an intermediate loss is applied to supervise stepwise outputs, each encouraged to tackle the removal of only a single degradation factor within a composite mixture. Finally, a permutation-invariant loss ensures that the model achieves consistent restoration quality regardless of the order in which multiple degradations are addressed. Since CURE modifies only the training strategy and not the underlying network architecture, it can be seamlessly integrated into existing controllable restoration models. Experiments demonstrate that CURE delivers state-of-the-art performance on composite degradation benchmarks, while enabling both selective and jointly fused restoration through flexible modulation of embedding ratios. The code and dataset are available at https://github.com/bo-oseng/CURE.
• Abstract（参考訳）: 複合劣化の存在は、基礎となる汚損要因が複雑で相互依存的な相互作用を示すため、大きな課題となる。 劣化型が知られている場合でも、その効果の中間的な性質と回復過程における選択的制御の必要性のため、画像の正確な復元は難しいままである。 そこで本研究では,複雑な劣化条件下での制御可能な復元を可能にする統一フレームワークCUREを紹介する。 CUREは4つの補完目的によって駆動される。 まず、復元が不要な場合には、モデルが入力画像を再生できるように、再構成制約とともにID埋め込みを組み込む。 第二に、その比制御機構は、ユーザ制御混合比を用いた劣化特異的な埋め込みとアイデンティティ埋め込みをブレンドし、復元強度を連続的に制御する。 第3に、段階的に出力を監督するために中間損失を適用し、複合混合物中の1つの分解因子だけを除去することを奨励する。 最後に、置換不変損失は、複数の劣化に対処する順序にかかわらず、モデルが一貫した復元品質を達成することを保証する。 CUREはトレーニング戦略のみを変更し、基盤となるネットワークアーキテクチャではないため、既存の制御可能な復元モデルにシームレスに統合することができる。 CUREは, 組込み比のフレキシブルな変調により, 選択的かつ連成的な修復を可能にするとともに, 複合劣化ベンチマークの最先端性能を提供することを示した。 コードとデータセットはhttps://github.com/bo-oseng/CUREで公開されている。

関連論文リスト

• Universal Image Restoration via Internalized Chain-of-Thought Reasoning [52.763760468548504]
  画像復元は、劣化した入力から高品質なイメージを復元しようとするが、複雑な混合劣化の下で非常に悪影響を及ぼす。 最近の研究は、特別なモジュールを用いた複数ラウンドの復元のためのChain-of-Thought (CoT)推論を採用する。 CoTIRは,単一モデル内でCoT推論を内部化する汎用画像復元フレームワークである。
  論文  参考訳（メタデータ） (2026-06-16T06:01:36Z)
• Breaking Degradation Coupling: A Structural Entropy Guided Decoupled Framework and Benchmark for Infrared Enhancement [29.128631067023846]
  既存のオールインワンアプローチでは、多種多様な劣化を処理するために、単一の共有バックボーンを使用するのが一般的である。 本稿では, 複合劣化を独立したサブプロセスに分解する構造エントロピー誘導デカップリングフレームワークを提案する。 本研究は,SEGDが最先端手法を超越し,より少ないパラメータで高い効率を達成することを示す。
  論文  参考訳（メタデータ） (2026-04-24T08:58:55Z)
• Restore, Assess, Repeat: A Unified Framework for Iterative Image Restoration [84.3817904120563]
  画像復元は、悪天候、ぼやけ、低光など、さまざまな要因によって劣化した入力から高品質なイメージを復元することを目的としている。 本稿では,画像品質評価 (IQA) と画像復元 (IR) を統一したフレームワークに統合したリストア・アセス・アンド・リピートプロセス RAR を提案する。 具体的には、劣化同定、画像復元、品質検証を共同で行うために、潜伏領域で完全に機能する復元プロセスを導入する。
  論文  参考訳（メタデータ） (2026-03-27T13:13:44Z)
• M2IR: Proactive All-in-One Image Restoration via Mamba-style Modulation and Mixture-of-Experts [38.201178244663765]
  M2IRは、符号化段階における劣化伝播を制御し、復号過程における残留劣化を効率的に除去する。 Mamba-Style Transformer (MST) ブロックは、劣化を緩和するために画素ワイズ選択状態変調を行う。 Adaptive Degradation Expert Collaboration (ADEC)モジュールはDA-CLIP駆動ルータによってガイドされ、共有専門家によって補完され、劣化を除去する。
  論文  参考訳（メタデータ） (2026-03-16T04:37:29Z)
• Bridging Information Asymmetry: A Hierarchical Framework for Deterministic Blind Face Restoration [31.878334664450776]
  セマンティックロジックと連続的なテクスチャ生成を統合した階層型フレームワークである textbfPrefRestore を提案する。 本手法は,2つの相補的戦略により,この情報格差を根本的に解決する。 Pref-Restoreは、合成および実世界のベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-01-27T11:50:31Z)
• ClusIR: Towards Cluster-Guided All-in-One Image Restoration [72.16989784735796]
  ClusIRは、統一されたフレームワーク内でさまざまな劣化から高品質なイメージを復元することを目的としている。 ClusIRは、確率的クラスタ誘導ルーティング機構(PCGRM)と劣化対応周波数変調モジュール(DAFMM)の2つの重要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-12-11T18:59:47Z)
• Learning to Restore Multi-Degraded Images via Ingredient Decoupling and Task-Aware Path Adaptation [51.10017611491389]
  現実のイメージは、雨、騒音、ヘイズのような複数の共存する劣化に悩まされることが多い。 本稿では, 劣化成分の分解表現を利用して, 画像の再構成を行う適応型多重劣化画像復元ネットワークを提案する。 その結果、IMDNetと呼ばれる密に統合されたアーキテクチャは、実験を通じて広範囲に検証されている。
  論文  参考訳（メタデータ） (2025-11-07T01:50:36Z)
• UniRes: Universal Image Restoration for Complex Degradations [53.74404005987783]
  実世界のイメージ復元は、様々なキャプチャ条件、キャプチャデバイス、後処理パイプラインから生じるさまざまな劣化によって妨げられている。 UniResという名前の、シンプルで柔軟な拡散ベースのフレームワークは、このような劣化をエンドツーエンドで解決するために提案されている。 提案手法は, 複合劣化画像復元データセットと単分解画像復元データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2025-06-05T21:25:39Z)
• Chain-of-Restoration: Multi-Task Image Restoration Models are Zero-Shot Step-by-Step Universal Image Restorers [53.298698981438]
  本稿では,UIR(Universal Image Restoration)という新たなタスク設定を提案する。 UIRは、すべての劣化組み合わせのトレーニングを必要とせず、一連の劣化基だけに限って、これらの基がゼロショットで構成できる可能性のある劣化を取り除く。 本稿では,未知の複合劣化を段階的に除去するモデルをモデルに指示する,CoR(Chain-of-Restoration)機構を提案する。
  論文  参考訳（メタデータ） (2024-10-11T10:21:42Z)

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。