論文の概要: Breaking Weather-Content Coupling: Type-Severity Guided Progressive Disentanglement for All-in-One Infrared Restoration

• arxiv url: http://arxiv.org/abs/2609.27317v1
• Date: Wed, 23 Sep 2026 03:47:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.865597
• Title: Breaking Weather-Content Coupling: Type-Severity Guided Progressive Disentanglement for All-in-One Infrared Restoration
• Title（参考訳）: 耐候性結合:オールインワン赤外回復のためのタイプ重症化誘導プログレッシブアンタングル
• Abstract要約: 赤外線(IR)イメージングは、自律運転、リモートセンシング、その他の知覚タスクに不可欠である。 我々は,オールインワン赤外線修復のためのタイプ重大誘導プログレッシブディスタングルネットワークTSGPD-IRを提案する。
• 参考スコア（独自算出の注目度）: 8.163303590298687
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared (IR) imaging is crucial for autonomous driving, remote sensing, and other perception tasks. However, adverse weather may introduce fake structural responses that are entangled with real thermal structures. Existing IR restoration methods are typically designed for a single degradation type or directly reconstruct from degradation-entangled representations. Consequently, they struggle to distinguish intrinsic thermal structures from weather-induced fake responses and to accommodate spatially varying degradation severity, leading to artifacts or the over-suppression of weak but meaningful thermal responses. To address these issues, we propose TSGPD-IR, a type-severity guided progressive disentanglement network for all-in-one infrared restoration that factorizes restoration guidance into task-level weather semantics and region-level degradation severity. Specifically, a Weather and Semantic Co-Guided Multi-Level Prompt Generation Module combines global weather semantics with stage-wise local features to generate adaptive prompts that progressively suppress degradation-induced responses while preserving intrinsic thermal structures. To complement global weather semantics with spatial restoration control, a Proxy-Supervised Regional Degradation Estimator derives severity supervision without manual annotations and predicts spatially varying degradation priors. Guided by these cues, a Multi-Source Collaborative Expert Selection Strategy uses a shared branch to preserve weather-invariant thermal structures and hierarchical routing to select weather-specific expert pools and severity-compatible regional experts. This design progressively separates degradation interference from genuine thermal content and enables region-adaptive restoration, reducing both residual artifacts and over-suppression.
• Abstract（参考訳）: 赤外線(IR)イメージングは、自律運転、リモートセンシング、その他の知覚タスクに不可欠である。 しかし、悪天候は、実際の熱構造と絡み合った偽の構造応答をもたらす可能性がある。 既存のIR復元法は、通常、単一の劣化タイプのために設計されるか、劣化と絡み合った表現から直接再構成される。 その結果、本質的な熱構造と気象によって引き起こされた偽の反応を区別し、空間的に異なる劣化の深刻さを許容し、アーティファクトや、弱いが有意義な熱応答の過剰な抑制に繋がる。 これらの問題に対処するために, TSGPD-IRを提案する。これは, 修復指導をタスクレベルの気象意味論と地域レベルの劣化重症度に分解するオールインワン赤外線修復のための, タイプシーバリティガイド付きプログレッシブ・アンタングルメントネットワークである。 具体的には、気象・セマンティック共同指導型マルチレベルプロンプト生成モジュールは、地球規模の気象セマンティクスとステージワイドな局所的な特徴を組み合わせることで、固有の熱構造を保ちながら、分解誘起応答を漸進的に抑制する適応的なプロンプトを生成する。 大域的な気象セマンティクスと空間的復元制御を補完するために、プロキシ・スーパービジョンの地域劣化推定器は、手動のアノテーションなしで重大度監視を導出し、空間的に異なる劣化先行を予測する。 マルチソース・コラボレーティブ・エキスパート・セレクション・ストラテジー(Multi-Source Collaborative Expert Selection Strategy)は、気象の不変な熱構造と階層的なルーティングを維持するために、共有ブランチを使用して、気象固有の専門家プールと重症度互換の地域専門家を選択します。 この設計は、分解干渉を真の熱内容から徐々に分離し、領域適応的な復元を可能にし、残留する遺物と過剰な抑制の両方を減らす。

関連論文リスト

• Uncertainty-Guided Adverse Weather Restoration via Gated Transformer Network [35.350043473549405]
  悪天候により劣化した画像の復元は、空間的に不均一な劣化のため、依然として困難である。 本論文では,ゲートトランスとマルチスケールスキップ接続を融合した非確実性誘導型逆ウェザー修復ネットワーク(UAR-Net)を提案する。 提案手法は,複数の悪天候ベンチマークにまたがる最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-09-02T10:57:41Z)
• Unleashing the Power of Text: Text-Guided Flow Matching for Image Fusion under Complex Degradations [50.60539317126614]
  現実的な劣化シナリオ下での赤外線可視画像融合は難しい課題である。 最近の研究は、テキストが劣化特性に関する事前情報を提供できることを示している。 テキスト誘導型潜在空間フローマッチングフレームワークであるTGFusionを提案する。
  論文  参考訳（メタデータ） (2026-08-01T08:43:26Z)
• 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)
• CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution [51.56484100374058]
  CASCADEは、学習された流況変動場に沿って粗い情報を反復的に検出することで微細構造を再構築する。 SEVIRレーダデータを用いて、激しい対流嵐の4倍の超解像について評価した。 大気や海洋の用途において、対流に支配される極端に適した、時間的に一貫した、物理的に一貫した、そして大量保存された復元を生成する。
  論文  参考訳（メタデータ） (2026-02-18T14:41:54Z)
• WeatherCycle: Unpaired Multi-Weather Restoration via Color Space Decoupled Cycle Learning [30.62082910458533]
  マルチウェザー条件下での教師なし画像復元は根本的だが未発見の課題である。 気象の回復を双方向の劣化コンテンツ翻訳サイクルとして再構成する統合フレームワークである textbfWeatherCycle を提案する。 本手法は, 複雑な気象劣化に対する強い一般化を図りながら, 教師なしアプローチの最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-27T06:44:27Z)
• Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
  我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。 既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。 提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
  論文  参考訳（メタデータ） (2025-06-10T16:48:27Z)
• Towards Explicit Geometry-Reflectance Collaboration for Generalized LiDAR Segmentation in Adverse Weather [58.4718010073085]
  既存のLiDARセグメンテーションモデルは、悪天候にさらされると精度が低下することが多い。 この課題に対処する最近の手法は、気象シミュレーションやユニバーサル拡張技術によるトレーニングデータの強化に重点を置いている。 本稿では,幾何・反射性の特徴抽出を明示的に分離する新しい幾何・反射性協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-03T03:23:43Z)
• DA2Diff: Exploring Degradation-aware Adaptive Diffusion Priors for All-in-One Weather Restoration [32.16602874389847]
  本稿では,DA2Diff と呼ばれるオールインワン気象の回復に適応した劣化を考慮した拡散パラダイムを提案する。 学習可能な一連のプロンプトをデプロイし、CLIP空間の即時類似性制約によって分解認識表現をキャプチャする。 本稿では,動的気象対応ルータを用いた動的専門家選択変調器を提案する。
  論文  参考訳（メタデータ） (2025-04-07T14:38:57Z)
• Continual All-in-One Adverse Weather Removal with Knowledge Replay on a Unified Network Structure [92.8834309803903]
  現実の応用では、悪天候による画像の劣化は常に複雑で、日や季節によって異なる気象条件で変化する。 我々は,ネットワーク構造を統一した上で,効果的な知識再生(KR)を実現するための新しい連続学習フレームワークを開発した。 連続学習における複数の退化を伴う画像復元作業の特徴を考察し、異なる退化に関する知識を共有・蓄積することができる。
  論文  参考訳（メタデータ） (2024-03-12T03:50:57Z)
• Always Clear Days: Degradation Type and Severity Aware All-In-One Adverse Weather Removal [8.58670633761819]
  オールインワンの悪天候除去は画像復元における新たな話題であり、統一されたモデルで複数の気象劣化を回復することを目的としている。 本稿では,視覚障害者の悪天候画像復元のための劣化型および重症度認識モデルUtilityIRを提案する。
  論文  参考訳（メタデータ） (2023-10-27T17:29:55Z)

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。