論文の概要: CoRe-UIE: Rethinking Coexisting and Region-wise Degradation for Underwater Image Enhancement
- arxiv url: http://arxiv.org/abs/2608.08965v1
- Date: Mon, 10 Aug 2026 00:00:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.022765
- Title: CoRe-UIE: Rethinking Coexisting and Region-wise Degradation for Underwater Image Enhancement
- Title（参考訳）: CoRe-UIE:水中画像強調のための共存と地域的劣化を再考する
- Abstract要約: 水中画像強調(textbfCoRe-UIE)のための共存・地域劣化手法を提案する。
CoRe-UIEは、コンテンツ保存共有専門家と4つの共有バックボーンルーティング専門家を組み合わせて、色補正、散乱抑制、テクスチャリカバリ、照明保護を行う。
UIEB、LSUI、U45の実験は、様々な水中劣化条件下で、CoRe-UIEが競合的な定量的性能と視覚的バランスの強化を達成することを示した。
- 参考スコア（独自算出の注目度）: 10.843747869322806
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Underwater images often suffer from diverse and coexisting degradations, including color distortion, scattering haze, texture attenuation, and uneven illumination. These degradations vary across regions and may coexist locally, making conventional uniform restoration difficult to adapt to different degradation patterns. To address this problem, we propose Coexisting and Region-wise Degradation for Underwater Image Enhancement (\textbf{CoRe-UIE}), a degradation-oriented expert collaboration framework. CoRe-UIE combines a content-preserving shared expert with four shared-backbone routed experts for color correction, scattering suppression, texture recovery, and illumination protection. The routed experts share the same architecture but have independent parameters, and are assigned to different regions through input-derived degradation cues and region-adaptive Top-\(k\) routing. We further introduce a Hilbert--Schmidt Independence Criterion (HSIC)-based representation constraint to reduce statistical dependence among expert features and alleviate redundant expert responses. Experiments on UIEB, LSUI, and U45 demonstrate that CoRe-UIE achieves competitive quantitative performance and visually balanced enhancement under diverse underwater degradation conditions.
- Abstract（参考訳）: 水中画像は、色歪み、散乱ヘイズ、テクスチャ減衰、不均一照明など、多彩で共存する劣化に悩まされることが多い。
これらの劣化は地域によって異なり、局所的に共存しうるため、従来の一様修復は異なる劣化パターンに適応することが困難である。
この問題を解決するために,分解指向のエキスパートコラボレーションフレームワークである水中画像強調(\textbf{CoRe-UIE})の共存と地域的劣化を提案する。
CoRe-UIEは、コンテンツ保存共有専門家と4つの共有バックボーンルーティング専門家を組み合わせて、色補正、散乱抑制、テクスチャリカバリ、照明保護を行う。
ルーティングされた専門家は同じアーキテクチャを共有しているが、独立したパラメータを持ち、入力由来の劣化キューと領域適応型Top-\(k\)ルーティングを通じて異なるリージョンに割り当てられる。
さらに、Hilbert-Schmidt Independence Criterion(HSIC)に基づく表現制約を導入し、専門家の特徴間の統計的依存を減らし、冗長な専門家の反応を緩和する。
UIEB、LSUI、U45の実験は、様々な水中劣化条件下で、CoRe-UIEが競合的な定量的性能と視覚的バランスの強化を達成することを示した。
関連論文リスト
- CoRE-UIR: Prior-guided common and residual experts for efficient all-in-one remote sensing image restoration [23.98937821382067]
CoRE-UIR(Common and Residual Experts for Universal Image Restoration)は、Common-and-Residual Expert Block(CoRE)を中心とした先進的なグローバルローカルフレームワークである。
CoREは、回復能力を、劣化不変の回復のための一般的な高密度専門家と、劣化特異的な補償のための低レベルの残留専門家に分解し、冗長な専門家複製なしで適応的な特殊化を可能にする。
実験の結果、CoRE-UIRは平均PSNRを1.05dB改善し、11.83$times$高速に動作し、ピークメモリを85.3%削減した。
論文 参考訳（メタデータ） (2026-07-30T09:14:08Z) - 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) - TIDE: Two-Stage Inverse Degradation Estimation with Guided Prior Disentanglement for Underwater Image Restoration [2.5840709738256127]
TIDEは$underlinet$woのステージで、分解特性を明示的にモデル化し、特別な事前分解を通じてターゲットの復元を適用する。
本手法は, 局所劣化パターンに基づいて, 適応的に融合した複数の特殊仮説に復元過程を分解する。
特殊な復元仮説を生成することにより、TIDEは競合する劣化因子をバランスさせ、高度に劣化した領域でも自然の結果を産出する。
論文 参考訳（メタデータ） (2025-12-08T05:06:29Z) - Underwater Image Reconstruction Using a Swin Transformer-Based Generator and PatchGAN Discriminator [0.0]
本稿では,水中画像再構成のためのGAN(Generative Adversarial Network)にSwin Transformerアーキテクチャを組み込んだ新しいディープラーニングフレームワークを提案する。
我々は,異なる品質の水中画像を含むEUVPデータセットを用いて,我々のモデルを訓練し,評価した。
その結果,有効色バランス回復,コントラスト改善,ヘイズ低減が認められた。
論文 参考訳（メタデータ） (2025-12-05T16:40:23Z) - Mixture of Ranks with Degradation-Aware Routing for One-Step Real-World Image Super-Resolution [76.66229730098759]
実世界の画像超解像(Real-ISR)では、既存のアプローチは主に微調整された事前学習拡散モデルに依存している。
単一ステップ画像超解像のためのMixture-of-Ranks (MoR)アーキテクチャを提案する。
LoRAの各ランクを独立した専門家として扱う、きめ細かい専門家分割戦略を導入する。
論文 参考訳（メタデータ） (2025-11-20T04:11:44Z) - 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) - Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。
我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。
このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
論文 参考訳（メタデータ） (2025-05-24T12:52:10Z) - UniUIR: Considering Underwater Image Restoration as An All-in-One Learner [62.65503609562905]
我々はUniUIRと呼ばれるユニバーサル水中画像復元手法を提案する。
劣化固有の問題を分離し、UIRタスクにおける様々な劣化の相関関係を探るため、我々はMamba Mixture-of-Expertsモジュールを設計した。
このモジュールは、空間領域と周波数領域の両方において劣化前の情報を抽出し、最適なタスク固有のプロンプトを適応的に選択する。
論文 参考訳（メタデータ） (2025-01-22T16:10:42Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z)
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。