論文の概要: T$^2$exture: Sparsely Perturbed Thermal-to-Texture Imaging

• arxiv url: http://arxiv.org/abs/2608.02192v1
• Date: Mon, 03 Aug 2026 13:16:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.575362
• Title: T$^2$exture: Sparsely Perturbed Thermal-to-Texture Imaging
• Title（参考訳）: T$^2$exture:Sparsely Perturbed Thermal-to-Texture Imaging
• Abstract要約: 既存の熱テクスチャイメージングアプローチは、スペクトルセンシングや登録された補助モードに依存している。 T$2$extureは高密度の受動フレームから時間密度の熱テクスチャ配列を再構成するフレームワークである。 シミュレーションベンチマークでは、T$2$exture は AMT-L に 0.20M のパラメータしか追加せず、PSNR は 6.66 dB 改善されている。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thermal imaging remains effective under adverse illumination, yet passive long-wave infrared (LWIR) measurements often lack fine texture. Existing thermal texture imaging approaches commonly rely on spectral sensing or registered auxiliary modalities, incurring substantial data throughput or vulnerability to cross-modal degradation. We introduce T$^2$exture, a sparsely perturbed thermal texture imaging framework that aims to reconstruct temporally dense thermal texture sequences from densely sampled passive frames and a few actively perturbed keyframes. We define thermal texture as the residual between a source-on observation and its corresponding source-off passive state. Under sparse LWIR illumination and rapid quasi-steady paired acquisition, this residual attenuates the passive-emission background and approximates a source-induced reflected response, exposing localized material- and geometry-dependent texture. T$^2$exture reconstructs a dense sequence of this source-conditioned response through two stages. Stage 1 estimates the unobserved source-off passive state at each active instant from neighboring passive frames to obtain reliable differential texture anchors. Stage 2 combines sparse anchors with passive structural context near each target time to reconstruct the dense sequence. On the simulated benchmark, T$^2$exture adds only 0.20M parameters to AMT-L while improving PSNR by 6.66 dB. Extensive evaluations on simulated and real acquisitions further show clearer texture recovery and stronger structural preservation than representative VFI baselines. These results establish T$^2$exture as a practical framework for thermal texture imaging under sparse active acquisition.
• Abstract（参考訳）: 熱画像は、悪い照明下でも有効であるが、受動長波長赤外線測定(LWIR)は、しばしば細かいテクスチャを欠いている。 既存の熱テクスチャイメージングのアプローチは、スペクトルセンシングや登録された補助モダリティに依存しており、重要なデータスループットや脆弱性を経時劣化にもたらす。 T$^2$extureは、高密度の受動フレームと数個のアクティブな摂動鍵フレームから、時間的に密度の高い熱テクスチャシーケンスを再構成することを目的とした、粗い摂動熱テクスチャイメージングフレームワークである。 熱テクスチャを,観測源とそれに対応する受動状態との間の残留物として定義する。 疎LWIR照明と急速準定常対取得の下で、この残差は受動放出背景を減衰させ、ソース誘起反射応答を近似し、局所化材料および幾何依存性のテクスチャを露呈する。 T$^2$extureは、2つの段階を通してこのソース条件応答の密なシーケンスを再構成する。 ステージ1は、隣接する受動的フレームから各アクティブ瞬間における観測されていないソースオフ受動的状態を推定し、信頼性のある微分テクスチャアンカーを得る。 ステージ2はスパースアンカーと各ターゲット時間付近の受動的構造コンテキストを組み合わせることで、密なシーケンスを再構築する。 シミュレーションベンチマークでは、T$^2$exture は AMT-L に 0.20M のパラメータしか加えず、PSNR は 6.66 dB 改善されている。 シミュレーションおよび実取得に関する広範囲な評価は, 代表的VFIベースラインよりも明瞭なテクスチャ回復と強い構造保存を示す。 これらの結果から, 熱テクスチャイメージングの実践的枠組みとしてT$^2$extureが確立された。

関連論文リスト

• CogSENet: Blind Image Deblurring with Blur-Conditioned Semantic Routing and Explicit Frequency Fusion [3.7521959864518593]
  CogSENetは、ワシの視覚システムにインスパイアされた動的でセマンティックな再構築フレームワークである。 CogSENetoutperは、より少ないパラメータで、視覚的品質と構造的忠実度の両方で最先端のデブロアリングメソッドを生成する。
  論文  参考訳（メタデータ） (2026-06-29T09:29:21Z)
• Physically-Induced Atmospheric Adversarial Perturbations: Enhancing Transferability and Robustness in Remote Sensing Image Classification [54.952203312050564]
  敵対的攻撃は、リモートセンシング(RS)画像分類におけるディープラーニングモデルの信頼性に深刻な脅威をもたらす。 本稿ではフォグフール(FogFool)を提案する。 2つのベンチマークRSデータセットの実験は、FogFoolが優れたパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-04-16T05:47:57Z)
• Progressively Texture-Aware Diffusion for Contrast-Enhanced Sparse-View CT [27.925535591416306]
  スパース・ビューCT再構成のための進歩的テクスチャ認識拡散(PTD)モデルを提案する。 PTDは,少数のサンプリングステップのみで,構造的類似性や視覚的魅力の点で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-04-13T14:45:09Z)
• Toward Real-world Infrared Image Super-Resolution: A Unified Autoregressive Framework and Benchmark Dataset [18.256350338119162]
  現実世界の条件下での赤外画像超解像(IISR)は、事実上重要な課題であるが、めったに対処されない課題である。 実世界IISRのための統合自己回帰フレームワークであるReal-IISRを提案する。 FLIR-IISRは実世界のIISRデータセットで、一対のLR-HR赤外線画像が自動焦点変化と動きによって引き起こされるぼかしによって取得される。
  論文  参考訳（メタデータ） (2026-03-05T02:38:29Z)
• FSP-Diff: Full-Spectrum Prior-Enhanced DualDomain Latent Diffusion for Ultra-Low-Dose Spectral CT Reconstruction [20.226435074884808]
  FSP-Diffは、超低用量スペクトルCT再構成のための、フルスペクトル事前強化デュアルドメイン潜在拡散フレームワークである。 本フレームワークは,画像の直接再構成と投影領域の復号化結果を統合する。 シミュレーションおよび実世界のデータセットの実験により、FSP-Diffは画像の品質と計算効率の両方において最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-08T14:13:19Z)
• RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
  本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。 提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-23T15:41:40Z)
• Multi-scale Restoration of Missing Data in Optical Time-series Images with Masked Spatial-Temporal Attention Network [0.6675733925327885]
  リモートセンシング画像に欠落した値を出力する既存の方法は、補助情報を完全に活用できない。 本稿では,時系列リモートセンシング画像の再構成のためのMS2という,深層学習に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T09:05:05Z)
• Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
  低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。 本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。 我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
  論文  参考訳（メタデータ） (2024-05-24T15:56:40Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• Recovering Continuous Scene Dynamics from A Single Blurry Image with Events [58.7185835546638]
  インプリシットビデオ関数(IVF)は、同時イベントを伴う単一の動きのぼやけた画像を表現する。 両モードの利点を効果的に活用するために、二重注意変換器を提案する。 提案するネットワークは,限られた参照タイムスタンプの地平線画像の監督のみで訓練される。
  論文  参考訳（メタデータ） (2023-04-05T18:44:17Z)
• Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
  近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。 我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
  論文  参考訳（メタデータ） (2023-04-02T10:25:09Z)
• Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
  熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。 弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。 本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-12T09:49:24Z)

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。