論文の概要: OGG-FR: Orthogonal Gradient Gaming and Frequency Rectification for Unmanned Aerial Vehicle Infrared Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2608.09150v1
• Date: Mon, 10 Aug 2026 05:55:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.098337
• Title: OGG-FR: Orthogonal Gradient Gaming and Frequency Rectification for Unmanned Aerial Vehicle Infrared Image Super-Resolution
• Title（参考訳）: OGG-FR:無人航空機赤外画像超解像における直交勾配ゲーミングと周波数整流
• Abstract要約: 本稿では,周波数勾配を冗長な並列成分に分解するプラグイン・アンド・プレイ最適化フレームワークを提案する。 UAVサーマルベンチマーク実験の結果, BIおよびBDの分解速度は4ドル, 8ドルで大きく向上した。
• 参考スコア（独自算出の注目度）: 12.845298735862416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicle (UAV) infrared image super-resolution aims to recover weak thermal structures for deployment on resource-constrained platforms; lightweight models are therefore preferred, but multi-loss training can be unstable. A common strategy combines pixel-domain and frequency-domain objectives; however, low contrast, limited high-frequency content, and sensor-specific noise often make their gradients weakly aligned or conflicting. To address this optimization ambiguity, we propose Orthogonal Gradient Gaming and Frequency Rectification (OGG-FR), a plug-and-play optimization framework that decomposes the frequency gradient into a redundant parallel component and an orthogonal innovation component relative to the pixel gradient. In the conflict regime, OGG-FR computes a safe base gradient using the Multiple Gradient Descent Algorithm (MGDA) and adds a variance-rectified orthogonal innovation; in the compatible regime, it discards redundant parallel information and injects the orthogonal innovation according to a confidence score estimated from the high-frequency residual. Experimental results on the UAV thermal benchmark show broad gains under BI and BD degradations at $\times 4$ and $\times 8$ scales, while gradient analyses support the effectiveness of the proposed conflict-aware update rule.
• Abstract（参考訳）: 無人航空機(UAV)の超高解像度画像は、資源制約されたプラットフォームに配置する際の弱い熱構造を回復することを目的としており、軽量モデルは好まれるが、マルチロストレーニングは不安定である。 一般的な戦略は、画素領域と周波数領域の目的を組み合わせたものであるが、低コントラスト、限られた高周波コンテンツ、センサー固有のノイズは、勾配を弱く整列させたり、矛盾させたりすることが多い。 この最適化のあいまいさに対処するため、画素勾配に対して周波数勾配を冗長な並列成分と直交革新成分に分解するプラグイン・アンド・プレイ最適化フレームワークであるOrthogonal Gradient Gaming and Frequency Rectification (OGG-FR)を提案する。 競合状態においては、OGG-FRは多重勾配アルゴリズム(MGDA)を用いて安全な基底勾配を計算し、分散補正直交の革新を加え、互換性のある状態においては、冗長な並列情報を破棄し、高周波数残差から推定される信頼スコアに従って直交の革新を注入する。 UAVサーマルベンチマーク実験の結果、BIとBDの劣化は4$および9$のスケールで広範囲に増加し、グラデーション解析は競合認識更新ルールの有効性を裏付けている。

関連論文リスト

• 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)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• Enhancing Gradient Inversion Attacks in Federated Learning via Hierarchical Feature Optimization [56.95448807869383]
  フェデレートラーニング(FL)は、プライバシを保存する分散機械学習の魅力的なパラダイムとして登場した。 近年の研究では、FLシステムで交換される勾配もプライバシー漏洩に弱いことが報告されている。 我々は textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD) を提案する。
  論文  参考訳（メタデータ） (2026-04-01T14:32:15Z)
• Fractal Autoregressive Depth Estimation with Continuous Token Diffusion [24.726638033402747]
  粗大なプロセスとして深度推定を再構成するフラクタルビジュアル自己回帰拡散フレームワークを提案する。 条件付き拡散損失モデルが連続空間に直接分布し、離散量子化による誤差を緩和する。 標準ベンチマークの実験では、高い性能を示し、提案した設計の有効性を検証する。
  論文  参考訳（メタデータ） (2026-03-16T01:19:42Z)
• TIP: Resisting Gradient Inversion via Targeted Interpretable Perturbation in Federated Learning [8.156452885913108]
  フェデレートラーニング(FL)は、データの局所性を維持しながら協調的なモデルトレーニングを促進する。 勾配の交換により、システムはグラディエント・インバージョン・アタック(GIAs)に弱い。 本稿では、モデル解釈可能性と周波数領域解析を統合する新しい防御フレームワークTIPを提案する。
  論文  参考訳（メタデータ） (2026-02-12T06:32:49Z)
• 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)
• Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
  ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。 ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。 合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2025-11-21T03:40:45Z)
• Hyperspectral Super-Resolution with Inter-Image Variability via Degradation-based Low-Rank and Residual Fusion Method [2.317803962255901]
  マルチスペクトル画像(MSI)によるハイパースペクトル画像の融合は、HSIの空間分解能を高める効果的な方法である。 取得条件が異なるため、スペクトルのばらつきや、HSIとMSIの間の空間的局所的な変化が存在する可能性がある。 既存の方法は通常、直接変換を適用した画像間の可変性を扱う。 本稿では, この課題に対処するために, 劣化に基づく低ランク・残留核融合(DLRRF)モデルを提案する。
  論文  参考訳（メタデータ） (2025-11-19T02:45:31Z)
• Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
  LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。 Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。 実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T08:54:26Z)
• Total Variation Subgradient Guided Image Fusion for Dual-Camera CASSI System [3.414706880536149]
  分光画像技術は、スペクトル、空間、時間分解能のバランスをとる上で、長年にわたって根本的な課題に直面してきた。 従来のモデルベースの手法は、手作りの固有の画像に頼っているため、限られた性能を示す。 本稿では,全変動(TV)下降理論を統合したデュアルカメラCASSI再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-13T16:57:06Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• DestripeCycleGAN: Stripe Simulation CycleGAN for Unsupervised Infrared Image Destriping [15.797480466799222]
  CycleGANは、教師なし画像復元の先進的なアプローチであることが証明されている。 DestripeCycleGANという単一フレーム赤外線画像デストリップのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-14T11:22:20Z)
• GIFD: A Generative Gradient Inversion Method with Feature Domain Optimization [52.55628139825667]
  Federated Learning(FL)は、クライアントのプライバシを保護するための有望な分散機械学習フレームワークとして登場した。 近年の研究では、事前学習された生成逆ネットワーク(GAN)を事前知識として活用することにより、攻撃者が共有勾配を逆転し、FLシステムに対する機密データを回復できることが示されている。 textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T04:34:21Z)
• Asymmetric CNN for image super-resolution [102.96131810686231]
  深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。 画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。 我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
  論文  参考訳（メタデータ） (2021-03-25T07:10:46Z)

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。