論文の概要: SpikeRestormer: Towards Energy-Efficient All-in-One Image Restoration via Unified Event Reasoning

• arxiv url: http://arxiv.org/abs/2608.02290v1
• Date: Mon, 03 Aug 2026 14:22:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.595086
• Title: SpikeRestormer: Towards Energy-Efficient All-in-One Image Restoration via Unified Event Reasoning
• Title（参考訳）: SpikeRestormer: 統一イベント推論によるエネルギー効率の良いオールインワン画像復元を目指して
• Abstract要約: SpikeRestormerはAiOIR用のエネルギー効率の良いSNNで、内部で生成されたスパイクキューに対してイベント推論を行う。 これらの相補的なプロセスを統合することで、SpikeRestormer は、劣化点認識、劣化点信頼性推論、復元点構築の統一的なプロセスとして復元を定式化する。
• 参考スコア（独自算出の注目度）: 12.643967708847848
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ANN-based All-in-One image restoration (AiOIR) unifies diverse degradation handling but incurs high computational costs, limiting its real-time deployment. While Spiking Neural Networks (SNNs) offer a low-power alternative, applying them to static images remains challenging. This difficulty arises because explicit event signals are absent, and degradation cues are heavily entangled with scene structures, hindering the learning of reliable restoration-oriented spike events. To address these issues, we propose SpikeRestormer, an energy-efficient SNN for AiOIR that performs event reasoning over internally generated spike cues. Specifically, we propose a degradation-event perception process to extract spike-based degradation events through Subtractive Degradation Event Attention (SDEA). Moreover, we introduce Hierarchical Bayesian Skip Masking (HBSM) and Additive Restoration Event Attention (AREA) processes for event-reliability inference and restoration-event construction, respectively. By integrating these complementary processes, SpikeRestormer formulates restoration as a unified process of degradation-event perception, degradation-event reliability inference, and restoration-event construction, liberating the potential of SNNs for energy-efficient AiOIR. Extensive experiments show that SpikeRestormer delivers competitive performance against ANN-based methods and establishes new state-of-the-art results among SNN-based methods with significantly lower energy consumption.
• Abstract（参考訳）: ANNベースのオールインワン画像復元(AiOIR)は、多様な劣化処理を統一するが、高い計算コストを発生させ、リアルタイムデプロイメントを制限している。 Spiking Neural Networks(SNN)は低消費電力の代替手段を提供するが、静的画像に適用することは依然として難しい。 この困難は、明示的な事象信号が欠如しており、劣化の手がかりがシーン構造と強く絡み合っており、信頼性の高い復元指向のスパイクイベントの学習を妨げる。 これらの問題に対処するため,AiOIR用エネルギー効率の高いSNNであるSpikeRestormerを提案する。 具体的には,サブトラクティブ・デグラデーション・イベント・アテンション(SDEA)を通して,スパイクに基づく劣化イベントを抽出する分解イベント認識プロセスを提案する。 さらに,階層型ベイズスキー・マスキング(HBSM)と付加的復元イベント・アテンション(AREA)プロセスを導入し,イベント信頼度推定と復元イベント構築について検討した。 これらの相補的なプロセスを統合することで、SpikeRestormerは、エネルギー効率の良いAiOIRのためのSNNのポテンシャルを解放し、劣化点認識、劣化点信頼性推論、復元点構築の統一的なプロセスとして復元を定式化する。 大規模な実験により、SpikeRestormerはANNベースの手法と競合する性能を示し、エネルギー消費を大幅に低減したSNNベースの手法の新たな最先端結果を確立している。

関連論文リスト

• Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
  遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
  論文  参考訳（メタデータ） (2026-05-29T19:34:39Z)
• UIESNN: A Scale-Aware Spiking Network for Underwater Image Enhancement [11.773752327675483]
  UIESNNという水中画像強調のためのスケールアウェアなSNNフレームワークを提案する。 コアとなるMPLB(Multi-scale Pooling LIF Block)は、階層的なマルチスケールプール応答を膜力学に注入する。 MPLBをベースとして,周波数分解と注目に基づく改善を融合したスパイク残留アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2026-05-08T18:34:14Z)
• Agent-Centric Visual Reinforcement Learning under Dynamic Perturbations [24.021326345297535]
  静止しない現実世界の摂動をシミュレートするためのVisual Degraded Control Suite (VDCS)を導入する。 VDCS実験により,既存手法の大幅な性能劣化が確認された。 本稿では,ACO-MoE (Agen-Centric Observations with Mixture-of-Experts) を提案する。
  論文  参考訳（メタデータ） (2026-04-27T16:24:40Z)
• ARES: Scalable and Practical Gradient Inversion Attack in Federated Learning through Activation Recovery [73.8181449261685]
  Federated Learning(FL)は、モデルの更新を生データではなく共有することで、ユーザのプライバシ保護を目的としたコラボレーションモデルトレーニングを可能にする。 最近の研究によると、これらの共有更新は、勾配反転攻撃(GIA)を通じて、不注意にセンシティブなトレーニングデータを漏洩する可能性がある。
  論文  参考訳（メタデータ） (2026-03-18T11:40:44Z)
• Error Amplification Limits ANN-to-SNN Conversion in Continuous Control [64.99656514469972]
  スパイキングニューラルネットワーク(SNN)は、すでに訓練済みのニューラルネットワーク(ANN)を変換することで、競争性能を達成することができる。 既存の変換法は、適切なベースラインがほとんど存在しないような連続的な制御では性能が良くない。 本研究では, 時間的相関誤差を抑制するために, 残留膜電位を決定段階にわたって超過する軽量なトレーニング自由機構であるCRPIを提案する。
  論文  参考訳（メタデータ） (2026-01-29T14:28:00Z)
• 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)
• SaENeRF: Suppressing Artifacts in Event-based Neural Radiance Fields [12.428456822446947]
  イベントカメラは低レイテンシ、低消費電力、低帯域幅、高ダイナミックレンジなどの利点を提供する。 イベントデータから幾何的に一貫性があり、測光的に正確な3D表現を再構築することは、基本的に困難である。 イベントストリームのみからの静的なシーンの3次元一貫性, 密度放射, フォトリアリスティックなNeRF再構成を可能にする, 新規な自己教師型フレームワークSaENeRFを提案する。
  論文  参考訳（メタデータ） (2025-04-23T03:33:20Z)
• Beyond Degradation Redundancy: Contrastive Prompt Learning for All-in-One Image Restoration [109.38288333994407]
  コントラスト・プロンプト・ラーニング(Contrastive Prompt Learning, CPL)は、プロンプト・タスクのアライメントを根本的に強化する新しいフレームワークである。 本フレームワークは,パラメータ効率を保ちながら,新たな最先端性能を確立し,統一画像復元のための原理的ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-04-14T08:24:57Z)
• Enhanced Neuromorphic Semantic Segmentation Latency through Stream Event [0.0]
  フレームベースの視覚センサーで最適なセマンティックセグメンテーションを実現することは、UAVや自動運転車のようなリアルタイムシステムにとって大きな課題となる。 イベントベースのカメラにインスパイアされたセンサーからのイベントストリームを活用し、シーンの変化に応じてイベントをトリガーします。 我々は、この事象情報を利用して、低エネルギー消費で知られているバイオインスパイアされたコンピューティングパラダイムであるスパイキングニューラルネットワーク(SNN)を用いて、セマンティックセグメンテーションタスクを解決する。
  論文  参考訳（メタデータ） (2025-02-26T09:43:18Z)
• Spiking Neural Network as Adaptive Event Stream Slicer [10.279359105384334]
  イベントベースのカメラは、リッチエッジ情報、高ダイナミックレンジ、高時間分解能を提供する。 最先端のイベントベースのアルゴリズムの多くは、イベントを固定グループに分割することに依存しており、重要な時間情報の欠落をもたらす。 イベントストリームを適応的に分割可能な,新規に設計されたプラグアンドプレイイベント処理方式であるSpikeSlicerを提案する。
  論文  参考訳（メタデータ） (2024-10-03T06:41:10Z)
• Learning A Spiking Neural Network for Efficient Image Deraining [20.270365030042623]
  ESDNetと呼ばれる効率の良いスパイクレイニングネットワークを提案する。 我々の研究は、雨のピクセル値がSNNのスパイク信号の強度を高めるという観測に動機づけられている。 トレーニングの課題を克服するために,モデルを直接トレーニングするための勾配プロキシ戦略を導入する。
  論文  参考訳（メタデータ） (2024-05-10T07:19:58Z)
• Cross-Consistent Deep Unfolding Network for Adaptive All-In-One Video Restoration [78.14941737723501]
  オールインワンVRのためのクロスコンセントディープ・アンフォールディング・ネットワーク(CDUN)を提案する。 2つのカスケード手順を編成することにより、CDUNは様々な劣化に対する適応的な処理を達成する。 さらに、より隣接するフレームからの情報を活用するために、ウィンドウベースのフレーム間融合戦略を導入する。
  論文  参考訳（メタデータ） (2023-09-04T14:18:00Z)

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。