論文の概要: WaveFreqAnchor: Wave-Structural Anchoring and Frequency Correction Diffusion for Training-Free Face Restoration
- arxiv url: http://arxiv.org/abs/2608.06717v1
- Date: Fri, 07 Aug 2026 02:23:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.330592
- Title: WaveFreqAnchor: Wave-Structural Anchoring and Frequency Correction Diffusion for Training-Free Face Restoration
- Title（参考訳）: WaveFreqAnchor: トレーニング不要顔復元のための波構造アンカリングと周波数補正拡散
- Abstract要約: WaveFreqAnchorは、Wave- Structure Anchoringと周波数補正拡散に基づく、トレーニング不要のフレームワークである。
MWFIは、予測された低周波サブバンドを位相を置き換え、逆拡散時に蓄積される不整合を補正することによって観測と整合させる。
サブバンド高周波数強調(SHE)は、予測された高周波サブバンドに対して境界付き、空間的にマスクされた改善を行い、微細な顔の詳細を復元する。
- 参考スコア（独自算出の注目度）: 22.463138159431196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion-based face restoration that adjusts the sampling trajectory of pre-trained diffusion models has achieved remarkable progress. However, existing approaches provide insufficient constraints during reverse diffusion, causing identity-related structural drift and degraded fidelity under severe degradations. To address this, we propose WaveFreqAnchor, a training-free framework based on Wave-Structural Anchoring and Frequency Correction Diffusion. Specifically, Anchor-Space Wave-Structural Guidance (ASWG) constrains facial structures through anisotropic wave-response consistency, while Multi-scale Wavelet-Fourier Injection (MWFI) aligns the predicted low-frequency subband with the observation by replacing its phase, correcting inconsistencies accumulated during reverse diffusion. For real-world scenes, we further introduce Subband High-Frequency Enhancement (SHE), which performs bounded, spatially masked refinement on the predicted high-frequency subbands to recover fine facial details under unknown compound degradations. Together, these designs effectively preserve facial identity while restoring sharp and realistic facial details. Extensive experiments show that our method consistently outperforms existing methods, achieving high-quality and high-fidelity face restoration.
- Abstract（参考訳）: 事前学習した拡散モデルのサンプリング軌跡を調整した拡散型顔復元は,目覚ましい進歩を遂げた。
しかし, 既存手法では逆拡散の際の制約が不十分であり, アイデンティティ関連の構造的ドリフトや, 過度な劣化下での劣化忠実度が生じる。
そこで本稿では,Wave-Structural Anchoring と Frequency Correction Diffusion に基づくトレーニングフリーフレームワーク WaveFreqAnchor を提案する。
具体的には、Anchor-Space Wave-Structural Guidance (ASWG)は、異方性波動応答一貫性によって顔構造を制約し、Multiscale Wavelet-Fourier Injection (MWFI)は、その位相を置き換え、逆拡散中に蓄積した不整合を補正することによって、予測された低周波サブバンドを観測と整合させる。
実世界のシーンでは、予測された高周波サブバンドに有界かつ空間的にマスキングされた改良を行い、未知の複合劣化下で顔の細部を復元するサブバンド高周波数強調(SHE)も導入する。
これらのデザインは、シャープでリアルな顔の詳細を復元しながら、顔のアイデンティティを効果的に保存する。
広汎な実験により,本手法は従来手法より常に優れ,高品質で高忠実な顔復元を実現していることがわかった。
関連論文リスト
- Physical-State-Guided Diffusion Sampling for Full-Waveform Inversion [3.497341516063219]
物理状態誘導拡散サンプリング(PSG)を提案する。
PSGはガウス橋を経由する前の拡散に永続的な物理的速度を結合する。
4つのOpenFWIファミリーにおいて、PSGの端末は古典的および拡散的ベースラインよりも優れた推定値を示した。
論文 参考訳（メタデータ） (2026-09-11T14:25:42Z) - HNDiff: Haze-Noise Diffusion for Image Dehazing [52.34718859688771]
Haze-Noise Diffusion (HNDiff)は、大気散乱モデルを誘導バイアスとして埋め込む新しい拡散フレームワークである。
その前処理では、画像にヘイズとノイズを段階的に付加する、ヘイズを意識したノイズスケジューラを用いたジョイントヘイズ拡散を導入する。
逆のプロセスでは、ヘイズとノイズを同時に除去してクリーンなイメージを復元する物理的に一貫した脱ヘイズ除去プロセスが導出される。
論文 参考訳（メタデータ） (2026-08-11T14:47:38Z) - Multiscale Hypersonic Boundary Layer Reconstruction via Spectral Binning and Subdomain-wise Conditional Diffusion [1.689433487573205]
本稿では,超音速クーエット流に対するマルチスケール確率的再構成フレームワークを提案する。
近壁状態は条件拡散モデルを用いた限られた上壁観測から推定される。
ソフトオーバーラップ塗装戦略は、サブドメイン予測をフルボリュームの再構成に組み立てる。
論文 参考訳（メタデータ） (2026-06-12T23:40:01Z) - Learning to Refine: Spectral-Decoupled Iterative Refinement Framework for Precipitation Nowcasting [21.300422393514804]
本稿では,現在放送を進行周波数分離改良として再編成する決定論的枠組みを提案する。
SDIRはまず安定な低周波合成骨格を抽出し、次いで物理的制約下で高周波テクスチャを反復的に洗練する。
3つのベンチマークで実験したところ、SDIRは空間精度でSOTA法を著しく上回っている。
論文 参考訳（メタデータ） (2026-06-01T07:34:30Z) - AnyBand-Diff: A Unified Remote Sensing Image Generation and Band Repair Framework with Spectral Priors [10.352581041881864]
本稿では,頑健なスペクトル再構成に適したスペクトル優先拡散フレームワークであるAnyBand-Diffを紹介する。
ラジオメトリックの忠実性を確保するため,物理誘導サンプリング機構を提案する。
実験は、AnyBand-Diffが信頼できる画像を生成するための有効性を確認する。
論文 参考訳（メタデータ） (2026-05-14T04:04:34Z) - Signal-Aware Conditional Diffusion Surrogates for Transonic Wing Pressure Prediction [0.0]
本研究は,NASAコモン・リサーチ・モデル翼の表面圧力を予測するための条件付き拡散確率モデルを提案する。
拡散過程を通じて再構成損失を伝播させることにより、信号認識訓練目標を導出する。
定式化では, 平均絶対誤差を低減し, 吸込ピーク, 衝撃構造, 制御面の不連続性の再構築を改善する。
論文 参考訳（メタデータ） (2026-04-13T10:18:07Z) - Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution [75.3690742776891]
適応周波数ステアリング(IAFS)を用いた反復拡散推論時間スケーリングを提案する。
IAFSは、構造的偏差の反復的補正によって生成した画像を徐々に精細化することで、知覚品質と構造的忠実性のバランスをとるという課題に対処する。
実験の結果、IAFSは知覚と忠実性の対立を効果的に解決し、知覚の細部と構造的精度を一貫して改善し、既存の推論時間スケーリング手法よりも優れていた。
論文 参考訳（メタデータ） (2025-12-29T15:09:20Z) - Diffusion prior as a direct regularization term for FWI [0.0]
フルウェーブフォーム・インバージョン(FWI)に先立つスコアベース生成拡散を提案する。
従来の拡散法とは異なり,本手法は逆拡散サンプリングを回避し,イテレーションを少なくする。
提案手法は,従来およびGANベースのFWI手法と比較して,忠実度と堅牢性を向上する。
論文 参考訳（メタデータ） (2025-06-11T19:43:23Z) - WaveFace: Authentic Face Restoration with Efficient Frequency Recovery [74.73492472409447]
拡散モデルは,1) 訓練の遅さと推論速度,2) アイデンティティの保存ときめ細かい顔の詳細の復元の失敗の2つの問題で批判されている。
本稿では,ウェーブレット変換によって分解される低周波・高周波成分を個別に考慮した周波数領域の問題を解決するためにWaveFaceを提案する。
本稿では、WaveFaceが、特にアイデンティティ保存の観点から、信頼性において最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2024-03-19T14:27:24Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T03:08:28Z) - DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。
高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。
異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
論文 参考訳（メタデータ） (2023-03-15T16:14:06Z) - DDS2M: Self-Supervised Denoising Diffusion Spatio-Spectral Model for
Hyperspectral Image Restoration [103.79030498369319]
ハイパースペクトル画像復元のための自己教師付き拡散モデルを提案する。
textttDDS2Mは、既存の拡散法と比較して、より強力な一般化能力を持っている。
HSIのノイズ除去、ノイズ除去、様々なHSIの超解像実験は、既存のタスク固有状態よりもtextttDDS2Mの方が優れていることを示した。
論文 参考訳（メタデータ） (2023-03-12T14:57:04Z)
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。