論文の概要: Efficient All-in-One Weather Restoration using Spectral Harmonization

• arxiv url: http://arxiv.org/abs/2609.02839v1
• Date: Wed, 02 Sep 2026 17:21:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.479454
• Title: Efficient All-in-One Weather Restoration using Spectral Harmonization
• Title（参考訳）: スペクトル高調波を用いたオールインワン気象の高効率化
• Abstract要約: 雨、干し草、雪などの逆の気象条件は、画像の品質を著しく低下させる。 本稿では,新しいオールインワン修復法であるスペクトル高調波を用いた周波数再構成について述べる。 提案手法は変圧器モデルよりも80%少ないパラメータと演算で同様の復元品質を実現する。
• 参考スコア（独自算出の注目度）: 17.22011615051463
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Adverse weather conditions such as rain, haze, and snow significantly degrade image quality, posing challenges for both human perception and physical AI. Existing restoration methods require large computational budgets, struggling to process high-resolution images and handle different degradations. In this paper, we present Frequency Reconstruction via Spectral Harmonization, a novel lightweight all-in-one restoration method that explicitly decomposes feature representations into high- and low-frequency components at each scale of a hierarchical encoder-decoder architecture. By combining spectral decomposition with spatial processing through Fourier-based skip connections, FReSH-IR captures complementary frequency information without sacrificing spatial detail. Our approach achieves similar restoration quality with 80% fewer parameters and operations than transformer-based models. Extensive experiments demonstrate that our method offers a great efficiency-performance trade-off, highlighting its practical applications in constrained-resource systems.
• Abstract（参考訳）: 雨、干し草、雪などの逆の気象条件は、画像の品質を著しく低下させ、人間の知覚と物理的なAIの両方に挑戦する。 既存の復元法では、高解像度の画像を処理し、異なる劣化を処理するのに苦労し、膨大な計算予算を必要とする。 本稿では、高次エンコーダ・デコーダアーキテクチャの各スケールで特徴表現を高次・低周波成分に明示的に分解する、新しいオールインワン復元法であるスペクトル調和による周波数再構成を提案する。 FRESH-IRは、スペクトル分解とFourierベースのスキップ接続による空間処理を組み合わせることで、空間的詳細を犠牲にすることなく相補的な周波数情報をキャプチャする。 提案手法は変圧器モデルよりも80%少ないパラメータと演算で同様の復元品質を実現する。 大規模な実験により,本手法は高い効率・性能のトレードオフを示し,制約付きリソースシステムにおける実用的応用を強調した。

関連論文リスト

• SFP: Real-World Scene Recovery Using Spatial and Frequency Priors [84.27251794411673]
  シーンリカバリは様々なコンピュータビジョンアプリケーションにとって重要なタスクである。 本研究では,現実のシーンを再現するための空間的・周波数的優先度(SFP)を提案する。
  論文  参考訳（メタデータ） (2025-12-09T05:24:25Z)
• UHDRes: Ultra-High-Definition Image Restoration via Dual-Domain Decoupled Spectral Modulation [0.07352098890194292]
  超高精細画像(UHD)は、しばしばぼやけ、ヘイズ、雨、低照度といった深刻な劣化に悩まされる。 UHD画像復元のための新しい2領域分離スペクトル変調フレームワークであるUHDResを提案する。
  論文  参考訳（メタデータ） (2025-11-07T06:28:30Z)
• 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)
• Mixed-granularity Implicit Representation for Continuous Hyperspectral Compressive Reconstruction [16.975538181162616]
  本研究では,暗黙的ニューラル表現を用いた連続型ハイパースペクトル画像再構成法を提案する。 暗黙的な神経表現を活用することで、MGIRフレームワークは任意の望まれる空間スペクトル分解能の再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-17T03:37:42Z)
• Multi-Scale Representation Learning for Image Restoration with State-Space Model [13.622411683295686]
  効率的な画像復元のためのマルチスケール状態空間モデル(MS-Mamba)を提案する。 提案手法は,計算複雑性を低く保ちながら,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-08-19T16:42:58Z)
• Holistic Dynamic Frequency Transformer for Image Fusion and Exposure Correction [18.014481087171657]
  露出関連問題の修正は、画像の品質向上における重要な要素である。 本稿では、周波数領域を利用して露出補正タスクの処理を改善し、統一する新しい手法を提案する。 提案手法は, 露光補正においてより高度で統一された解を実現する方法である。
  論文  参考訳（メタデータ） (2023-09-03T14:09:14Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
  提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。 フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。 訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
  論文  参考訳（メタデータ） (2021-06-01T20:34:52Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)

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。