論文の概要: MoCRA: Mixture of Compositional Rank-1 Atoms for 4K All-in-One Video Restoration

• arxiv url: http://arxiv.org/abs/2608.01829v1
• Date: Mon, 03 Aug 2026 07:40:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.384565
• Title: MoCRA: Mixture of Compositional Rank-1 Atoms for 4K All-in-One Video Restoration
• Title（参考訳）: MoCRA: 4Kオールインワンビデオ再生のための合成ランク1原子の混合
• Abstract要約: UHV-4K-AIOは、物理的にモデル化されたヘイズ、雨、センサーノイズ、低光を、深度と動きの共有された100個のクリーンな4Kクリップにレンダリングする。 ランク1原子の1つの辞書は、フレームごとに分解され、一対一の粗い枝と浅いネイティブレゾリューション精製器の両方が条件である。 MoCRAは、最速のベースラインで1.7秒間、ネイティブ4Kを半秒以下で復元する。
• 参考スコア（独自算出の注目度）: 27.468021744863787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world video arrives hazy, rainy, dark, or noisy, and a deployable restorer faces three demands at once: no degradation label, native 4K output, and stability in playback. Existing methods answer them separately and break on the joint problem, because per-frame degradation readings flip between frames, downsampled proxies erase the rain and noise they are meant to remove, and dense temporal alignment does not fit 4K memory. No paired benchmark even poses that problem, so we build one. UHV-4K-AIO renders physically modeled haze, rain, sensor noise, and low light over the same 100 clean 4K clips with shared depth and motion, and its construction exposes the split MoCRA is built on: haze and low light survive aggressive downsampling, while rain and noise exist only at native scale. Band-matched compositional conditioning follows, spending conditioning capacity, computation, and supervision in the band where each degradation lives. One dictionary of rank-1 atoms, recomposed sparsely per frame, conditions both a once-per-clip coarse branch and a shallow native-resolution refiner, in 3.6M parameters and with no optical flow. Trained once for all four tasks, MoCRA takes the best task-mean PSNR of eleven retrained image and video baselines, holds warping error at the level of the flow-based video models while never estimating motion, and restores native 4K in under half a second, against 1.7 seconds for the fastest baseline.
• Abstract（参考訳）: 実世界のビデオは、ぼんやりした、雨っぽい、暗い、騒々しい、そして展開可能なリカバリは、一度に3つの要求に直面している。 既存の手法では、フレームごとの劣化読み出しがフレーム間を行き来し、逆流したプロキシが取り除く雨やノイズを消し、密集した時間的アライメントが4Kメモリに合わないため、それらに別々に答え、共同問題を分解する。 ペア化されたベンチマークがその問題を提起することはありません。 UHV-4K-AIOは、物理的にモデル化されたヘイズ、雨、センサーノイズ、低光を、同じ100本のクリーンな4Kクリップで共有深度とモーションでレンダリングし、その構造は分割されたMoCRAをベースとしている。 バンド整合構成条件は、各劣化が居住するバンドにおけるコンディショニング能力、計算、および監督に費やされる。 ランク1原子の1つの辞書は、1フレームごとにわずかに分解され、1クリックあたりの粗い枝と浅いネイティブレゾリューション精製器の両方の条件が3.6Mパラメータで、光学フローがない。 4つのタスクで1回トレーニングされたMoCRAは、11のトレーニング済みイメージとビデオベースラインで最高のタスク平均PSNRを取得し、フローベースのビデオモデルのレベルでワープエラーを発生させながら、動作を推定せず、ネイティブ4Kを半秒以下で、最速ベースラインで1.7秒で復元する。

関連論文リスト

• Racing in Volume with Flow Ensembles [45.39245713312922]
  FastFlowGSは、固定された外部カメラの小さなセットから高速で動く被写体を再構築するストリーミング手法である。 モナコ4Dは高速な屋外改造のベンチマークである。
  論文  参考訳（メタデータ） (2026-09-14T20:18:59Z)
• Manifold4D: Denoising on Point Cloud Rendered Manifolds for Video Re-shooting [16.163736801043942]
  ビデオの再撮影は、ユーザが指定したカメラ軌道に沿って、ダイナミックシーンのモノクロビデオを再レンダリングする。 支配的なレシピは、ターゲットの幾何学を明示的に提供します。 フローマッチングの初期ノイズに直接レンダリングを注入するMANIFOLD4Dを提案する。
  論文  参考訳（メタデータ） (2026-08-28T10:39:52Z)
• 4DAnyone: Create Anyone in 4D from a Casual Monocular Video [90.29631874006402]
  モノクロビデオから4D人間を再構築するためのフレームワークである4DAnyoneを提示する。 4DAnyoneはリコンストラクショングレードのマルチビュー一貫性ビデオを生成し、それを4Dガウススプラッティング(4DGS)に持ち上げる DNAレンダリングとDyMVHumansの実験では、4DAnyoneは、新しいビュービデオの品質と下流4DGSの再構築の両方において、従来の方法よりも優れていた。
  論文  参考訳（メタデータ） (2026-08-20T17:59:53Z)
• Human4K: A Large-Scale 4K Multi-View Mocap Dataset for Whole-Body 3D Human Reconstruction [52.66661102115907]
  SMPL-Xアノテーションを付加した大規模4Kマルチビュー人体再構築データセットHuman4Kを提案する。 Human4Kには、プロのViconモーションキャプチャセットアップと同期した8ビューの高解像度カメラシステムによって撮影された600万以上の4K画像が含まれている。 実験結果から,Human4Kを用いたトレーニングは,標準ベンチマークにおける全身再構成を一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-07-15T09:44:25Z)
• From Fog Chamber to Aircraft Window: Pixel-Registered Imaging and Synthetic Fine-Tuning Enable Cross-Domain Defogging [32.72182829728677]
  コントロールされた実験室の霧に事前訓練された深部消火パイプラインと、クリーンな屋外シーンに適用されたドメインランダム化合成霧を微調整した微調整は、ターゲットドメイントレーニングを伴わずに、配布外設定の段階的に一般化する。 これは、現実世界の双眼の偽造のために報告されたオープン転送制限に直接対処する。
  論文  参考訳（メタデータ） (2026-06-27T21:21:29Z)
• OP4KSR: One-Step Patch-Free 4K Super-Resolution with Periodic Artifact Suppression [20.145400733963218]
  本稿では,強力なFluxバックボーン上に構築された1ステップのパッチフリー4K SRアプローチであるOP4KSRを提案する。 極端に圧縮されたF16 VAEを利用することで、OP4KSRは実用的なGPU予算の下で4K SR推論を抽出できる。 実験では、OP4KSRは効率的な推論で競合する知覚品質を実現し、1つのNVIDIA H20 GPU上でわずか5.75秒で4096times4096$出力を生成する。
  論文  参考訳（メタデータ） (2026-05-13T12:49:40Z)
• LiBrA-Net: Lie-Algebraic Bilateral Affine Fields for Real-Time 4K Video Dehazing [24.861880909272998]
  LiBrA-NetはUHDビデオデハージングの新しいベンチマークである。 UHV-4Kは、すべてのフレームに深度、透過度、光フローアノテーションを備えた最初の4Kビデオデハージングベンチマークである。
  論文  参考訳（メタデータ） (2026-05-12T04:27:03Z)
• UltraFlux: Data-Model Co-Design for High-quality Native 4K Text-to-Image Generation across Diverse Aspect Ratios [11.829523789114377]
  我々は、MultiAspect-4K-1Mで4Kで訓練されたFluxベースのDiTであるUltraFluxを紹介する。 モデル側では、UltraFluxは4Kでのトレーニングウインドウ、周波数、AR対応の位置符号化のためにResonance 2D RoPEとYaRNを結合する。 4096年のAesthetic-EvalベンチマークとマルチAR 4K設定では、UltraFluxはフィデリティ、美学、アライメントのメトリクスで、強力なオープンソースベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-22T13:07:21Z)
• REDUCIO! Generating 1K Video within 16 Seconds using Extremely Compressed Motion Latents [110.41795676048835]
  大規模アプリケーションにとって重要な障害のひとつは、高価なトレーニングと推論コストである。 我々は、ビデオには画像よりもはるかに冗長な情報が含まれており、非常に少ない動きでエンコードできると主張している。 我々は、映像を非常に圧縮された潜在空間に投影する画像条件付きVAEを設計し、コンテンツ画像に基づいてデコードする。
  論文  参考訳（メタデータ） (2024-11-20T18:59:52Z)
• 4K4D: Real-Time 4D View Synthesis at 4K Resolution [86.6582179227016]
  本稿では、4K解像度で動的3Dシーンを高忠実かつリアルタイムに見ることを目的とする。 ハードウェア化をサポートし,前例のないレンダリング速度を実現する4Dポイントクラウド表現を提案する。 私たちの表現は、1080p解像度のDNAレンダリングデータセットで400 FPS、4090 GPUで4K解像度のENeRF-Outdoorデータセットで80 FPSでレンダリングできます。
  論文  参考訳（メタデータ） (2023-10-17T17:57:38Z)
• 4K-HAZE: A Dehazing Benchmark with 4K Resolution Hazy and Haze-Free Images [12.402054374952485]
  まず、シーンの深さを推定し、光線とオブジェクトの反射率をシミュレートし、GANを用いて合成画像を実際の領域に移行する。 これらの合成画像を4K-HAZEデータセットと呼ばれるベンチマークにラップする。 このアプローチの最も魅力的な側面は、24G RAMをリアルタイムで(33fps)1つのGPU上で4Kイメージを実行する機能です。
  論文  参考訳（メタデータ） (2023-03-28T09:39:29Z)
• NeRFPlayer: A Streamable Dynamic Scene Representation with Decomposed Neural Radiance Fields [99.57774680640581]
  本稿では、高速な再構成、コンパクトなモデリング、およびストリーム可能なレンダリングが可能な効率的なフレームワークを提案する。 本稿では, 時間特性に応じて4次元空間を分解することを提案する。4次元空間の点は, 静的, 変形, および新しい領域の3つのカテゴリに属する確率に関連付けられている。
  論文  参考訳（メタデータ） (2022-10-28T07:11:05Z)

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。