論文の概要: MDTD-ArtIR: Benchmarking Image Editing and Restoration Models for Art Image Restoration under Texture-Overlay Degradations

• arxiv url: http://arxiv.org/abs/2608.00736v1
• Date: Sat, 01 Aug 2026 16:14:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.880229
• Title: MDTD-ArtIR: Benchmarking Image Editing and Restoration Models for Art Image Restoration under Texture-Overlay Degradations
• Title（参考訳）: MDTD-ArtIR:テクスチュアオーバーレイ劣化下におけるアート画像復元のための画像編集と復元モデルのベンチマーク
• Abstract要約: セマンティックな半透明な画像メディア劣化のブラインド復元のためのベンチマークを導入する。 我々は、最先端のユニバーサル復元モデルを評価する新しいデータセットとベンチマークを提案する。 実験により、画像編集モデルは任意の劣化のために特別な復元アーキテクチャを一貫して上回っていることが示された。
• 参考スコア（独自算出の注目度）: 19.59428665923708
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Restoring severely degraded visual media still remains a formidable challenge, as existing methods often hallucinate unnatural textures and contents, struggle with preserving color and texture, or fail to leverage partially retained image information. Existing restoration benchmarks assume known degradation operators and fail to capture the complex characteristics of artistic damage such as cracks, stains, and color/texture deviation. We introduce a controlled benchmark for blind restoration of semantic, semi-transparent image media degradations, accompanied by a new, publicly open degradation alpha texture mask dataset MDTD-Art. We present a new dataset and benchmark evaluating state-of-the-art universal restoration models against image editing and vision-language models across varying mask opacity levels. Our experiments demonstrate that image editing models consistently outperform specialized restoration architectures for arbitrary degradations, with performance gains amplified by structured prompt engineering emphasizing detail preservation and structural consistency. These findings position recoverable semantic information and prompt controllability as critical factors in art image restoration.
• Abstract（参考訳）: 不自然なテクスチャや内容の幻覚化、色やテクスチャの保存、あるいは部分的な保持された画像情報の活用に苦慮する既存の手法は、依然として深刻な課題である。 既存の修復ベンチマークでは、既知の劣化演算子を仮定し、ひび割れ、汚れ、色/テクスチャの偏差といった芸術的損傷の複雑な特性を捉えることができない。 本稿では,セマンティックな半透明な画像メディア劣化のブラインド復元のための制御されたベンチマークと,新しいオープンなアルファテクスチャマスクデータセット MDTD-Art を提案する。 マスク不透明度レベルの異なる画像編集モデルと視覚言語モデルに対して、最先端のユニバーサル復元モデルを評価する新しいデータセットとベンチマークを提案する。 実験により,画像編集モデルは任意の劣化に対して特別な復元アーキテクチャを一貫して上回り,詳細な保存と構造整合性を重視した構造的プロンプト工学により性能向上を図った。 これらの知見は, 画像復元における重要な要因として, 回復可能な意味情報と制御性に寄与する。

関連論文リスト

• DVANet: Degradation-aware Visual-prior Alignment Network for Image Restoration [31.441586261696617]
  本稿では,分解認識観測一貫性と視覚的優先誘導再構成の協調的展開プロセスであるDVANetを提案する。 実験により、DVANetはマルチシナリオ劣化とクロスドメイン画像復元タスクにおいて、優れた、あるいは競争的な性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-06-17T14:09:39Z)
• 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)
• 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)
• Visual-Instructed Degradation Diffusion for All-in-One Image Restoration [29.910376294021052]
  視覚指導誘導劣化拡散を利用したオールインワン画像復元フレームワークである textbfDefusion を提案する。 Defusionは複雑な画像復元タスクや実世界の劣化など、さまざまな画像復元タスクにおいて、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-20T12:50:42Z)
• UniRestorer: Universal Image Restoration via Adaptively Estimating Image Degradation at Proper Granularity [79.90839080916913]
  We present our UniRestorer with improve restoration performance。 具体的には、劣化空間上で階層的クラスタリングを行い、マルチグラニュラリティ・ミックス・オブ・エキスパート(MoE)復元モデルを訓練する。 UniRestorerは、既存の劣化診断法と -aware 法とは対照的に、劣化推定を利用して劣化特定回復の恩恵を受けることができる。
  論文  参考訳（メタデータ） (2024-12-28T14:09:08Z)
• Preserving Old Memories in Vivid Detail: Human-Interactive Photo Restoration Framework [19.213916633152625]
  写真修復は結果の質を向上させることができるが、コストと修復に要する時間の観点からすると、しばしば高い価格で提供される。 本稿では,複数のステージから構成されるAIベースの写真復元フレームワークについて述べる。 評価用データセットが公開されていないため,新しい写真復元データセットを提案する。
  論文  参考訳（メタデータ） (2024-10-12T13:23:08Z)
• Diff-Restorer: Unleashing Visual Prompts for Diffusion-based Universal Image Restoration [19.87693298262894]
  拡散モデルに基づく普遍的な画像復元手法であるDiff-Restorerを提案する。 我々は、事前学習された視覚言語モデルを用いて、劣化した画像から視覚的プロンプトを抽出する。 また、デグレーション対応デコーダを設計し、構造的補正を行い、潜在コードをピクセル領域に変換する。
  論文  参考訳（メタデータ） (2024-07-04T05:01:10Z)
• InstructIR: High-Quality Image Restoration Following Human Instructions [61.1546287323136]
  本稿では,人間の手書きによる画像復元モデルを導出する手法を提案する。 InstructIRという手法は、いくつかの修復作業において最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-01-29T18:53:33Z)
• ENTED: Enhanced Neural Texture Extraction and Distribution for Reference-based Blind Face Restoration [51.205673783866146]
  我々は,高品質でリアルな肖像画を復元することを目的とした,ブラインドフェイス修復のための新しいフレームワークであるENTEDを提案する。 劣化した入力画像と参照画像の間で高品質なテクスチャ特徴を伝達するために,テクスチャ抽出と分布の枠組みを利用する。 われわれのフレームワークにおけるStyleGANのようなアーキテクチャは、現実的な画像を生成するために高品質な潜伏符号を必要とする。
  論文  参考訳（メタデータ） (2024-01-13T04:54:59Z)
• SPIRE: Semantic Prompt-Driven Image Restoration [66.26165625929747]
  セマンティック・復元型画像復元フレームワークであるSPIREを開発した。 本手法は,復元強度の量的仕様を言語ベースで記述することで,より詳細な指導を支援する最初のフレームワークである。 本実験は, SPIREの修復性能が, 現状と比較して優れていることを示すものである。
  論文  参考訳（メタデータ） (2023-12-18T17:02:30Z)

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。