論文の概要: LensBridge: Frequency-Guided Compound Degradation Adaptation for Lens Aberration Correction and Veiling Glare Removal

• arxiv url: http://arxiv.org/abs/2610.00318v1
• Date: Tue, 29 Sep 2026 04:01:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.608489
• Title: LensBridge: Frequency-Guided Compound Degradation Adaptation for Lens Aberration Correction and Veiling Glare Removal
• Title（参考訳）: LensBridge: レンズ収差補正とベイリンググラア除去のための周波数誘導複合劣化適応
• Abstract要約: LensBridgeは再利用可能な収差補正基盤を拡張して、連接収差補正と、目標システムとペアの監督なしに、グレア除去を除去する。 複数の光学系における実験により、LensBridgeは再利用可能な収差補正基盤を効果的に拡張し、目標系とペアの監督なしに連な収差補正とベール除去を行うことを示した。
• 参考スコア（独自算出の注目度）: 17.334644207152735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simplified optical systems often exhibit residual lens aberrations and Veiling Glare (VG), resulting in spatially varying blur and contrast reduction. Large-scale Lens Libraries (LensLib) enable reusable aberration correction models by covering diverse Point Spread Functions (PSFs), but their aberration-only training distribution does not include target-specific veiling glare. Extending such foundations to compound degradation is challenging because realistic target-system compound pairs are difficult to obtain. To address this challenge, we propose LensBridge, a two-stage framework that first establishes a reusable aberration correction foundation and then adapts it to compound optical degradation using only a few unpaired target observations. In Stage I, we build a PSF-aware one-step diffusion foundation by constructing discrete degradation priors from LensLib PSFs and learning to retrieve them directly from aberrated images, enabling PSF-aware correction without requiring explicit PSF at inference. In Stage II, we adapt this foundation to compound degradation through frequency-domain guidance. At the data level, Frequency-guided Degradation Completion (FDC) transfers target low-frequency characteristics to LensLib aberrated images while preserving aberration structures to synthesize compound training pairs; at the model level, Frequency-guided Pseudo Decomposition (FPD) forms aberration- and VG-dominant pseudo observations to condition separate adaptation branches. Extensive experiments across multiple optical systems demonstrate that LensBridge effectively extends reusable aberration correction foundations to joint aberration correction and veiling glare removal without target-system paired supervision. All code will be available at https://github.com/XiaolongQian/LensBridge.
• Abstract（参考訳）: 単純な光学系はしばしば残留レンズ収差とヴェイリング・グラア(VG)を示し、空間的に異なるぼやけとコントラストの減少をもたらす。 大規模レンズライブラリ(LensLib)は、多種多様なポイントスプレッド関数(PSF)をカバーすることで、再利用可能な収差補正モデルを実現するが、それらの収差のみのトレーニング分布には、目標固有のヴェイリンググラアは含まれない。 このような基礎を複合劣化に拡張することは現実的な標的系化合物対を得るのが困難であるため困難である。 この課題に対処するために,まず再利用可能な収差補正基盤を確立するための2段階のフレームワークであるLensBridgeを提案する。 ステージIでは、LensLib PSFからの分解先行を構築・学習することで、PSF対応の一段階拡散基盤を構築し、推論時に明示的なPSFを必要とせず、PSF対応の補正を可能にする。 ステージIIでは、この基礎を周波数領域誘導による複合劣化に適応させる。 データレベルでは、周波数誘導劣化補完(FDC)は、収差構造を保持しながら、目標の低周波特性をLensLib収差画像に転送し、複合トレーニングペアを合成する。 複数の光学系にまたがる広範囲な実験により、LensBridgeは再利用可能な収差補正基盤を効果的に拡張し、連星収差補正とベール除去を目標系に組むことなく効果的に拡張することを示した。 すべてのコードはhttps://github.com/XiaolongQian/LensBridge.comから入手できる。

関連論文リスト

• Learning to Remove Lens Flare in Event Camera [56.9171469873838]
  イベントカメラデータからレンズフレアを除去する最初のフレームワークであるE-DeflareDeflareを提案する。 まず、非線形抑制機構の物理基底フォワードモデルを導出した理論基盤を確立する。 このベンチマークを利用して、最先端の復元性能を実現するE-DeflareNetを設計する。
  論文  参考訳（メタデータ） (2025-12-09T18:59:57Z)
• OmniLens++: Blind Lens Aberration Correction via Large LensLib Pre-Training and Latent PSF Representation [72.72583225885636]
  この研究は、既存のパイプラインの一般化能力を妨げる2つの課題を解決するOmniLens++フレームワークを提案する。 実世界のレンズと合成レンズリブの様々な収差実験により、OmniLens++はブラインド収差補正において最先端の一般化能力を示すことが示された。
  論文  参考訳（メタデータ） (2025-11-21T10:41:54Z)
• Null-Space Diffusion Distillation for Efficient Photorealistic Lensless Imaging [4.246509410711165]
  我々は,反復DDNM+ソルバのヌル空間成分を蒸留するシングルパスの学生であるNull-Space Diffusion Distillation (NSDD)を紹介する。 NSDDは測定一貫性を保ち、ランタイムとメモリのごく一部でペアの監督なしに光現実的な結果を達成する。 結果から, 高速, 地表面自由, フォトリアリスティックなレンズレスイメージングへの実践的道が示唆された。
  論文  参考訳（メタデータ） (2025-11-15T04:25:43Z)
• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• OmniLens: Towards Universal Lens Aberration Correction via LensLib-to-Specific Domain Adaptation [28.785118157930167]
  オムニレンス(OmniLens)は、(i)堅牢なベースモデルを事前訓練するための包括的カバレッジを持つ説得力のあるLensLibを確立し、(ii)高速なLensLib-to-specificドメイン適応を介して、未知のレンズ記述を持つ特定のレンズ設計にモデルを適応させる。 EAODによって生成されたLensLibは、強力な一般化能力を持つ普遍的なCACモデルを効果的に開発し、PSNRにおいて0.35-1.81dBの非盲点レンズ固有法を改善できることを示した。
  論文  参考訳（メタデータ） (2024-09-09T17:12:42Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)

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。