論文の概要: ENet-GP: Unified Document Image Restoration

• arxiv url: http://arxiv.org/abs/2609.33758v1
• Date: Sun, 27 Sep 2026 16:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 17:00:46.6413
• Title: ENet-GP: Unified Document Image Restoration
• Title（参考訳）: ENet-GP: 統一されたドキュメントイメージ復元
• Abstract要約: 実際の画像は、単一の孤立した歪みではなく、複数の相互作用する劣化を示す。 物理的に基底を成した複合劣化を伴う高解像度高密度テキスト文書のデータセットであるGutenDocを紹介した。 単一ネットワークと単一トレーニングのセットアップにおいて,幾何学的および測光的歪みを共同で補正する統一的な復元フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.349662221403198
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable document digitization in uncontrolled capture settings is challenging because real images exhibit multiple interacting degradations rather than a single isolated distortion. Documents thus captured are affected simultaneously by geometric distortions, like page warping, as well as photometric degradations such as non-uniform illumination, and blurring. However, most existing approaches address these factors independently and are evaluated on benchmarks containing only one distortion type, limiting their real-world applicability. We introduce GutenDoc, a large-scale dataset of high-resolution dense-text documents with physically grounded compound degradations. Using physics-based rendering, our dataset jointly models geometric warping and diverse photometric effects, enabling systematic evaluation under realistic capture conditions. We further propose a unified restoration framework that jointly corrects geometric and photometric distortions within a single-network and single-training setup, without the need for degradation-specific retraining or sequential inference passes. Extensive experiments show that our method remains competitive on established single-distortion benchmarks while substantially improving robustness under compound degradations, providing a practical solution for real-world document digitization.
• Abstract（参考訳）: 非制御なキャプチャ設定での信頼性の高い文書のデジタル化は、実際の画像は単一の歪みではなく、複数の相互作用する劣化を示すため、難しい。 これらをキャプチャした文書は、ページのワープのような幾何学的歪みと、均一でない照明やぼやけなどの光度劣化によって同時に影響を受ける。 しかし、既存のほとんどのアプローチはこれらの要因に独立して対処し、1つの歪み型を含むベンチマークで評価され、実際の適用性を制限する。 GutenDocは高解像度の高精細テキスト文書の大規模データセットで、物理的にグルーピングされた複合劣化を示す。 物理に基づくレンダリングを用いて、我々のデータセットは幾何学的ワーピングと多彩な測光効果を共同でモデル化し、現実的なキャプチャ条件下での体系的な評価を可能にした。 さらに、分解特異的なリトレーニングやシーケンシャル推論のパスを必要とせず、単一ネットワークと単一トレーニングのセットアップ内で幾何学的および測光的歪みを共同で補正する統合復元フレームワークを提案する。 大規模な実験により,本手法は確立した単一歪みベンチマークにおいて競争力を維持しつつ,複合劣化下でのロバスト性を大幅に向上し,実世界の文書デジタル化の実践的解決策となることが示された。

関連論文リスト

• A Causally Grounded Taxonomy for Image Degradation Robustness Evaluation [3.8265249634979734]
  本稿では,画像劣化の整理と解釈のための因果的基盤化フレームワークを提案する。 新しい劣化や既存のベンチマークを再定義する代わりに、解釈表現層と測定層を提供しています。 多様な撮像条件下でオブジェクト検出器のロバスト性を評価するための分類基準であるCOCO分解によるフレームワークの実証を行った。
  論文  参考訳（メタデータ） (2026-05-15T12:44:02Z)
• Architectural Unification for Polarimetric Imaging Across Multiple Degradations [54.83037963738918]
  複数の劣化シナリオにまたがって構造的に共有される偏光イメージングのための統一的なアーキテクチャフレームワークを提案する。 このモデルは、単一ステージのジョイントイメージ・ストークス処理を実行し、エラーの蓄積を回避し、物理的一貫性を明示的に保持する。
  論文  参考訳（メタデータ） (2026-03-06T02:38:57Z)
• Revisiting Reconstruction-based AI-generated Image Detection: A Geometric Perspective [50.83711509908479]
  幾何学的観点からの再構成誤差に対するヤコビアンスペクトル下界の導入について述べる。 再構成多様体上の実画像は非自明な誤差下界を示し、多様体上の生成された画像はゼロに近い誤差を持つことを示す。 本稿では,構造化編集操作を活用することで動的再構成誤差を計算できるReGapを提案する。
  論文  参考訳（メタデータ） (2025-10-29T03:45:03Z)
• 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)
• Examining the Impact of Optical Aberrations to Image Classification and Object Detection Models [58.98742597810023]
  視覚モデルは、ノイズやぼやけなどの乱れに対して頑丈に振る舞う必要がある。 本稿では,OpticsBenchとLensCorruptionsという,ぼやけた汚職の2つのデータセットについて検討する。 ImageNet と MSCOCO における画像分類と物体検出の評価は,様々な事前学習モデルにおいて OpticsBench と LensCorruptions の性能が著しく異なることを示す。
  論文  参考訳（メタデータ） (2025-04-25T17:23:47Z)
• OneRestore: A Universal Restoration Framework for Composite Degradation [33.556183375565034]
  現実のシナリオでは、画像障害はしばしば複合的な劣化として現れ、低光、迷路、雨、雪といった要素の複雑な相互作用を示す。 本研究では, 複雑な複合劣化シナリオを正確に表現するために, 4つの物理劣化パラダイムを統合した多目的イメージングモデルを提案する。 OneRestoreは、適応的で制御可能なシーン復元のために設計された新しいトランスフォーマーベースのフレームワークである。
  論文  参考訳（メタデータ） (2024-07-05T16:27:00Z)
• Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
  テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。 特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。 測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
  論文  参考訳（メタデータ） (2022-04-04T12:24:34Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)

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。