論文の概要: Loop-Mamba: A Loop Mamba with Degradation-Aware and Shared Memory for Old Photo Restoration
- arxiv url: http://arxiv.org/abs/2608.02346v1
- Date: Mon, 03 Aug 2026 14:59:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.61281
- Title: Loop-Mamba: A Loop Mamba with Degradation-Aware and Shared Memory for Old Photo Restoration
- Title（参考訳）: Loop-Mamba: 古い写真復元のための劣化認識と共有メモリを備えたループマンバ
- Abstract要約: 古い写真は、ひっかき傷、ひび割れ、薄れ、ぼやけ、ノイズ、行方不明領域など、複数の複合的な劣化に悩まされることが多い。
ループベースの軽量な状態空間フレームワークであるLoop-Mambaを提案する。
- 参考スコア（独自算出の注目度）: 29.676774974971064
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Old photographs often suffer from multiple coupled degradations, including scratches, cracks, fading, blur, noise, and missing regions, severely degrading both visual quality and semantic content. We propose Loop-Mamba, a lightweight loop-based state-space framework that formulates old photo restoration as progressive state evolution, where a persis- tent restoration state is continuously propagated and refined through iterative computation. Specifically, we introduce a Semantic-Guided Degradation Estimator (SGDE) to explicitly model heterogeneous degradations by jointly predicting local degradation maps and global degradation scores, providing degradation-aware guidance for state evolution. We further develop a Shared Structural Memory Mamba (S$^2$M- Mamba), which maintains a persistent restoration state across iterations, enabling persistent state evolution through shared structural memory for robust long-range structural reconstruction. Benefiting from first-order state recursion, Loop-Mamba propagates latent restoration states through recurrent tran- sitions instead of repeatedly stacking deep feature transformations, thereby alleviating gradient dilution while avoiding the computational overhead inherent in iterative CNN- and Transformer-based restoration frameworks. A lightweight multi-directional scanning strategy further enhances direc- tional information aggregation and preserves structural continuity. To better evaluate restoration quality, we introduce the task-oriented Old Photo Damage Recovery Score (ODRS), which jointly measures degradation recovery and structural reconstruction fidelity. Experimental results on the public SynOld benchmark demonstrate that Loop-Mamba consistently outperforms previous state-of-the-art methods across both conventional restoration metrics and the proposed ODRS.
- Abstract（参考訳）: 古い写真はしばしば、ひっかき傷、ひび割れ、薄れ、ぼやけ、ノイズ、欠落した領域を含む複数の複合的な劣化に悩まされ、視覚的品質とセマンティックコンテンツの両方を著しく劣化させる。
ループベースの軽量な状態空間フレームワークであるLoop-Mambaを提案する。これは、古い写真復元をプログレッシブな状態の進化として定式化し、パーシステント復元状態は反復計算によって継続的に伝播・洗練される。
具体的には,局所的な劣化マップと大域的な劣化スコアを共同で予測することにより,不均一な劣化を明示的にモデル化するセマンティックガイド劣化推定器(SGDE)を導入する。
さらに, 共有構造記憶装置(S$^2$M-Mamba)を開発し, 繰り返しにわたって永続的な復元状態を保ち, 共有構造記憶による永続的な状態変化を可能とし, 堅牢な長距離構造記憶を実現する。
Loop-Mambaは1次状態再帰から恩恵を受け、深い特徴変換を繰り返し積み重ねる代わりに繰り返しトランシオンを通じて潜時回復状態を伝播し、繰り返しCNNやTransformerベースの復元フレームワークに固有の計算オーバーヘッドを回避しながら勾配の希釈を緩和する。
軽量な多方向走査戦略により、ディレクタル情報収集がさらに強化され、構造的連続性が維持される。
修復の質をよりよく評価するために,劣化回復と構造復元の忠実度を共同で測定するタスク指向の旧写真損傷回復スコア(ODRS)を導入する。
パブリックなSynOldベンチマーク実験の結果、Loop-Mambaは従来の修復基準と提案したODRSの両方で、従来手法よりも一貫して優れていたことがわかった。
関連論文リスト
- GraLoD: Graphics-Inspired Continuous Level-of-Detail Learning for Image Restoration [54.85451496831771]
再生スケールを空間変化およびステージ依存変数として扱うプラグイン・アンド・プレイフレームワークであるGraLoDを提案する。
GraLoDはネイティブエンコーダ階層を再利用し、そのマルチスケール機能を共有LOD表現空間に整列し、デコーダの各段階でステージ条件付きLODフィールドを予測する。
実験はタスク固有とオールインワンの復元において一貫した改善を示す。
論文 参考訳（メタデータ） (2026-09-15T03:22:22Z) - CLUIE: Clustering-Aware Recurrent Propagation with Local Structural Compensation for Underwater Image Enhancement [92.78545064386485]
水中画像の強調は、波長依存性の光吸収、散乱、後方散乱により依然として困難である。
本稿では,従来のRWKVの一定繰り返し伝搬経路をコンテント適応トークン軌道に変換するクラスタリング対応RWKVフレームワークを提案する。
複数の水中画像強調ベンチマークの実験は、CRWKVが最先端の定量的性能と優れた視覚的品質を達成することを示した。
論文 参考訳（メタデータ） (2026-07-23T16:09:36Z) - MG-SpaIR: Multi-grade Sparse-guided Implicit Representation for Training-Data-Free Image Restoration [15.897294007874898]
MG-SpaIRは、単一の観察からクリーンなイメージを復元するためのトレーニングデータのないフレームワークである。
分解能グレードにまたがる再構成を段階的に洗練する多品位粗い残留階層を導入する。
混合劣化ベンチマークの実験は、MG-SpaIRが強いトレーニングデータのないベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-06-30T20:17:37Z) - 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) - 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) - SO-Mamba: State-Ownership Mamba for Unrolled MRI Reconstruction [5.184343938084102]
SO-Mambaは国家所有のMambaレギュレータであり、各Mambaステージ内の復元証拠を、常駐、状態インターフェースアクセス、および非状態出力補正に割り当てる。
実験の結果,SO-Mamba は CNN-, Transformer-, Mamba ベースのベースラインを競合計算効率で一貫的に改善することがわかった。
論文 参考訳（メタデータ） (2026-05-21T06:00:35Z) - Expandable, Compressible, Mineable: Open-World Thermal Image Restoration [35.52145248823253]
ECMRNetは、オープンワールド熱赤外(TIR)画像復元のためのネットワークである。
連続的な劣化学習を「エクスパンド・圧縮・マイン」閉ループプロセスとして統一する。
これは、多種多様な単体および複体劣化に対して優れた総合的な性能を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:41:38Z) - 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) - 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) - 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) - 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) - MambaIR: A Simple Baseline for Image Restoration with State-Space Model [46.827053426281715]
我々は,バニラ・マンバを改善するために,局部増強とチャンネルアテンションを導入するMambaIRを紹介した。
本手法は,画像SR上でSwinIRを最大0.45dB向上させる。
論文 参考訳（メタデータ） (2024-02-23T23:15:54Z)
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。