Fugu-MT 論文翻訳(概要): Degradation-Aware Prompt Learning with Cross-Modal Compensation for Adverse Weather Removal

論文の概要: Degradation-Aware Prompt Learning with Cross-Modal Compensation for Adverse Weather Removal

arxiv url: http://arxiv.org/abs/2608.06939v2
Date: Mon, 10 Aug 2026 02:35:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-11 13:55:18.818541
Title: Degradation-Aware Prompt Learning with Cross-Modal Compensation for Adverse Weather Removal
Title（参考訳）: 逆風除去のためのクロスモーダル補償による劣化認識型プロンプト学習
Abstract要約: Degradation-Aware Cross-Modal Prompt Compensation Network (DCMPC-Net) DCMPC-Netは、CMPG(Cross-Modal Prompt Generator)、PGAAM(Prompt-Guided Attention Alignment Module)、DFCM(Dual Feature Compensation Module)で構成される。実験により、DCMPC-Netはタスク固有の設定と統一された設定の両方で最先端のメソッドより優れていることが示された。
参考スコア（独自算出の注目度）: 56.34780145346335
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Adverse weather causes diverse and complex image degradations, severely compromising the reliability of computer vision systems. Existing all-in-one restoration models attempt to address multiple degradation types within a unified framework, but often lack explicit spatial and semantic modeling of degradation characteristics, limiting their adaptability to diverse weather conditions. To address this limitation, we propose a Degradation-Aware Cross-Modal Prompt Compensation Network (DCMPC-Net) that leverages cross-modal degradation cues from a pretrained vision-language model to condition restoration features within a unified backbone. Specifically, our DCMPC-Net mainly consists of the Cross-Modal Prompt Generator (CMPG), Prompt-Guided Attention Alignment Module (PGAAM), and Dual Feature Compensation Module (DFCM). The CMPG integrates textual embeddings with visual features to produce degradation-aware prompts that encode degradation-related semantic and contextual cues. These prompts are injected into the decoder via a PGAAM, which adaptively aligns semantic information with degraded regions to facilitate context-aware restoration. To further enhance structural fidelity, DFCM is introduced that disentangles degradation artifacts from scene structures, thereby improving the reconstruction of fine textures and detailed content. By integrating cross-modal semantic guidance with spatial alignment and structural enhancement, DCMPC-Net achieves robust and perceptually consistent restoration across diverse weather conditions. Extensive experiments show that DCMPC-Net outperforms state-of-the-art methods in both task-specific and unified settings, achieving superior accuracy and visual fidelity.
Abstract（参考訳）: 逆天候は多様な複雑な画像劣化を引き起こし、コンピュータビジョンシステムの信頼性を著しく損なう。既存のオールインワン復元モデルは、統合されたフレームワーク内で複数の劣化タイプに対処しようとするが、しばしば劣化特性の空間的および意味的モデリングが欠如し、様々な気象条件への適応性が制限される。この制限に対処するために、事前学習された視覚言語モデルから、統一されたバックボーン内の条件回復機能へのクロスモーダルな劣化キューを利用する、劣化対応型クロスモーダル・プロンプト補償ネットワーク(DCMPC-Net)を提案する。具体的には、DCMPC-Netは主に、CMPG(Cross-Modal Prompt Generator)、PGAAM(Prompt-Guided Attention Alignment Module)、DFCM(Dual Feature Compensation Module)で構成される。 CMPGはテキストの埋め込みと視覚的特徴を統合して、劣化関連の意味と文脈の手がかりをエンコードする劣化認識プロンプトを生成する。これらのプロンプトはPGAAMを介してデコーダに注入され、コンテキスト認識の復元を容易にするために意味情報を劣化した領域に適応的にアライメントする。 DFCMは, 微視的テクスチャや詳細な内容の再現性を向上させるため, シーン構造から劣化物を取り除き, 微視的テクスチャの再構築を促進させる。クロスモーダルなセマンティックガイダンスと空間的アライメントと構造的拡張を統合することで、DCMPC-Netは多様な気象条件をまたいだ堅牢で知覚的に一貫した復元を実現する。大規模な実験により、DCMPC-Netはタスク固有設定と統一設定の両方において最先端の手法より優れており、精度と視覚的忠実性に優れていた。

関連論文リスト

DPC-Net: Dual-Prior Collaborative Network for All-in-One Image Restoration [29.05613521811981]
本稿では、劣化した画像を復元するための新しいDual-Prior Collaborative Network(DPC-Net)を提案する。 DPC-Netは劣化セマンティック結合された先行と低レベルの視覚的先行を利用する。複数の復元ベンチマークの実験により、DPC-Netは最先端のAiOIR法に対して優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2026-08-20T15:04:17Z)
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)
Degradation-Aware Adaptive Context Gating for Unified Image Restoration [57.06559692537862]
単一モデルを用いた統一画像復元は、多種多様な劣化によるタスク干渉に直面することが多い。 DACG-IRは,劣化特性を明瞭に認識し,特徴表現を動的に変調する。 DACG-IRは、単一タスク、オールインワン、悪天候除去、複合劣化設定において最先端の手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2026-05-02T04:18:43Z)
Breaking Degradation Coupling: A Structural Entropy Guided Decoupled Framework and Benchmark for Infrared Enhancement [29.128631067023846]
既存のオールインワンアプローチでは、多種多様な劣化を処理するために、単一の共有バックボーンを使用するのが一般的である。本稿では, 複合劣化を独立したサブプロセスに分解する構造エントロピー誘導デカップリングフレームワークを提案する。本研究は,SEGDが最先端手法を超越し,より少ないパラメータで高い効率を達成することを示す。
論文参考訳（メタデータ） (2026-04-24T08:58:55Z)
Zero-shot Adaptation of Stable Diffusion via Plug-in Hierarchical Degradation Representation for Real-World Super-Resolution [22.82705867627899]
Real-World Image Super-Resolutionは、未知の複雑な実世界の要因によって劣化した低品質な入力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。 textbfHD-CLIP (textbfHierarchical textbfDegradation CLIP)は、低品質の画像をセマンティック埋め込みに分解する。 textbfCLIPは、トレーニングなしで様々な超解像度フレームワークにシームレスに統合できる。
論文参考訳（メタデータ） (2025-12-11T06:45:28Z)
RealRep: Generalized SDR-to-HDR Conversion via Attribute-Disentangled Representation Learning [51.19027658873778]
WCG(High-Dynamic-Range Wide-Color-Gamut)技術が普及し,標準ダイナミックレンジ(SDR)コンテンツをHDRに変換する必要性が高まっている。既存の方法は固定トーンマッピング演算子に依存しており、現実世界のSDRコンテンツに存在する様々な外観や劣化を扱うのに苦労している。本稿では,構成不整合表現の学習により頑健性を高める一般化されたSDR-to- attributeフレームワークを提案する。
論文参考訳（メタデータ） (2025-05-12T08:08:58Z)
InterLCM: Low-Quality Images as Intermediate States of Latent Consistency Models for Effective Blind Face Restoration [106.70903819362402]
拡散前駆体は、低画質画像の復元のために、復元データセットの微細調整拡散モデル(DM)によってブラインドフェイス復元(BFR)に使用されている。我々は,その優れたセマンティック一貫性と効率のために潜在一貫性モデル(LCM)を活用するために,InterLCMを提案する。 InterLCMは、合成データセットと実世界のデータセットの両方において既存のアプローチより優れており、推論速度も高速である。
論文参考訳（メタデータ） (2025-02-04T10:51:20Z)
Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2024-12-28T14:23:58Z)
Latent Degradation Representation Constraint for Single Image Deraining [13.414207526373959]
本稿では,DAEncoder(Direction-Aware),UNet Deraining Network,MSIBlockで構成されるLDRCNetを提案する。合成および実データを用いた実験結果から,本手法が新たな最先端性能を実現することを示す。
論文参考訳（メタデータ） (2023-09-09T12:50:06Z)
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。