論文の概要: GeoMAR: Unleashing Geometrically Aligned Features for Masked Autoregressive Blind Face Restoration
- arxiv url: http://arxiv.org/abs/2608.03923v1
- Date: Tue, 04 Aug 2026 16:55:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.286727
- Title: GeoMAR: Unleashing Geometrically Aligned Features for Masked Autoregressive Blind Face Restoration
- Title（参考訳）: GeoMAR: マスク付き自己回帰ブラインド顔修復のための幾何学的特徴の解放
- Abstract要約: コードブックベースのブラインドフェイス修復(BFR)は、しばしば深刻な劣化の下で曖昧な条件付けと脆弱な予測機構に悩まされる。
マスク付き自己回帰法 (MAR) を改良し, 頑健な顔復元を実現するために, 幾何学的に整列した特徴を解き放つためのフレームワークであるGeoMARを提案する。
1つの実世界のベンチマークと3つの実世界のベンチマーク実験により、GeoMARは既存の手法と比較して非常に競争力のある知覚的品質とコヒーレントな視覚構造を達成することが示された。
- 参考スコア（独自算出の注目度）: 20.881713242109946
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Codebook-based blind face restoration (BFR) often suffers from ambiguous conditioning features and a fragile prediction mechanism under severe degradation. To address these challenges, we propose GeoMAR, a framework designed to unleash geometrically aligned features with masked autoregressive (MAR) refinement for robust face restoration. For feature conditioning, we introduce a dual-input extraction pipeline to extract component-based geometric descriptions with explicit, spatially faithful anchors. These textual priors are integrated with low-quality (LQ) features via an Aligned Geometric Priors Injector, which employs a KV-Q exchange strategy to generate geometrically aligned features. For prediction mechanism, we reformulate the one-step mapping into a multi-step MAR process. This coarse-to-fine generation progressively refines complex facial regions based on increasingly reliable context. Experiments on one synthetic and three real-world benchmarks demonstrate that GeoMAR achieves highly competitive perceptual quality and coherent visual structures compared with existing methods. The code is available at https://github.com/BRL-SYSU/GeoMAR.git.
- Abstract（参考訳）: コードブックベースのブラインドフェイス修復(BFR)は、しばしば深刻な劣化の下で曖昧な条件付けと脆弱な予測機構に悩まされる。
これらの課題に対処するために,ロバストな顔復元のために,マスク付き自己回帰法(MAR)により幾何学的に整列した特徴を解き放つためのフレームワークであるGeoMARを提案する。
特徴条件付けには,成分に基づく幾何学的記述を明示的かつ空間的に忠実なアンカーで抽出するデュアルインプット抽出パイプラインを導入する。
これらのテキスト先行は、幾何学的に整列した特徴を生成するためにKV-Q交換戦略を使用するアラインド幾何学優先インジェクタを介して、低品質(LQ)機能と統合される。
予測機構として,一段階のマッピングを多段階のMARプロセスに再構成する。
この粗く微細な生成は、ますます信頼性の高いコンテキストに基づいて、複雑な顔領域を徐々に洗練させる。
1つの実世界のベンチマークと3つの実世界のベンチマーク実験により、GeoMARは既存の手法と比較して非常に競争力のある知覚的品質とコヒーレントな視覚構造を達成することが示された。
コードはhttps://github.com/BRL-SYSU/GeoMAR.gitで公開されている。
関連論文リスト
- Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation [0.30786914102688595]
Dmshは、幾何学的分解と四角形メッシュ生成を統一する最初の完全自動強化学習パイプラインである。
Dmshは、トポロジの単純化、幾何正規化、メッシュ生成を扱う3つの協調エージェントによって問題を分解する。
学習戦略により、単純なドメインから非常に複雑なジオメトリへのスケーラビリティが保証され、種子の分散が抑制される。
論文 参考訳（メタデータ） (2026-06-09T09:04:32Z) - ExMesh: EXplicit Mesh Reconstruction with Topology Adaptation [36.887001139824456]
明示的なメッシュを直接最適化する新しいフレームワークであるExMeshを提案する。
ExMeshは精度とメッシュの簡潔さのバランスがとれることを示す。
論文 参考訳（メタデータ） (2026-06-05T13:59:58Z) - Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。
エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。
第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。
第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
論文 参考訳（メタデータ） (2026-04-12T10:36:18Z) - TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification [44.632513151214084]
TopoMeshは、GTと予測メッシュを、共有デュアルマーチングキューブ(DMC)トポロジフレームワークで統合した、スパースボクセルベースのVAEである。
我々のデコーダは同じDMCフォーマットでメッシュを出力し、予測とターゲットのメッシュが同じトポロジ構造を共有することを保証します。
大規模な実験により、TopoMeshは再建忠実度において既存のVAEを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2026-03-25T13:10:34Z) - FACE: A Face-based Autoregressive Representation for High-Fidelity and Efficient Mesh Generation [50.71369329585773]
フェースレベルでメッシュを生成する新しいAutoregressive AutoencoderフレームワークであるFACEを紹介する。
当社のワンフェイスワンツーケン戦略は、メッシュの基本構築ブロックである三角形の面を、単一の統一トークンとして扱います。
FACEは、標準ベンチマークで最先端の再構築品質を達成する。
論文 参考訳（メタデータ） (2026-03-02T06:47:15Z) - GSM-GS: Geometry-Constrained Single and Multi-view Gaussian Splatting for Surface Reconstruction [16.96307929629197]
ガウス点雲の非構造的かつ不規則な性質は 精度の回復に困難をもたらす
GSM-GS: 単視点適応部分領域重み付け制約と多視点空間構造改善を統合した相乗的最適化フレームワークを提案する。
提案手法は,レンダリング品質と幾何学的再構成の両立を実現している。
論文 参考訳（メタデータ） (2026-02-13T10:26:32Z) - Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。
実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-01-01T12:48:56Z) - SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。
本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
論文 参考訳（メタデータ） (2025-11-21T16:32:01Z) - SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting [85.87902260102652]
本稿では, 連続3次元ガウシアン・アフラマンス推論の課題について紹介する。
次に,SeqSplatNetを提案する。SqSplatNetは,命令を直接3Dアベイランスマスクのシーケンスにマッピングするエンドツーエンドフレームワークである。
本手法は,1段階のインタラクションから,シーンレベルでの複雑なシーケンシャルなタスクへの可利用性推論を効果的に向上させる。
論文 参考訳（メタデータ） (2025-07-31T17:56:55Z) - IQPFR: An Image Quality Prior for Blind Face Restoration and Beyond [56.99331967165238]
Blind Face Restoration (BFR)は、劣化した低品質(LQ)の顔画像を高品質(HQ)の出力に再構成する課題に対処する。
本研究では,非参照画像品質評価(NR-IQA)モデルから得られた画像品質優先(IQP)を組み込んだ新しいフレームワークを提案する。
提案手法は,複数のベンチマークにおいて最先端技術より優れている。
論文 参考訳（メタデータ） (2025-03-12T11:39:51Z) - Geometry-aware Reconstruction and Fusion-refined Rendering for Generalizable Neural Radiance Fields [18.474371929572918]
Generalizable NeRFは、目に見えないシーンのための新しいビューを合成することを目的としている。
我々は、一貫したピクセル対の寄与を増幅するために、適応コスト集約(ACA)アプローチを導入する。
既存の2つのデコード戦略が相補的な異なる領域で優れていることを観察する。
論文 参考訳（メタデータ） (2024-04-26T16:46:28Z)
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。