論文の概要: TriINR: Unsupervised Atmospheric Turbulence Mitigation with Triple Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2610.23454v1
• Date: Fri, 16 Oct 2026 13:35:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.94168
• Title: TriINR: Unsupervised Atmospheric Turbulence Mitigation with Triple Implicit Neural Representations
• Title（参考訳）: TriINR:三成分ニューラル表現を用いた教師なし大気乱流緩和
• Abstract要約: 複数の劣化フレームからシャープな画像を復元する教師なし乱流緩和法を提案する。 傾きとぼかしを乱流時間INRとしてモデル化することにより、TriINRはフレーム数非依存の劣化表現とメモリ効率の最適化を実現する。 また,本手法は,非理想的な動きを含む実際の長距離シーンの劣化を実証する。
• 参考スコア（独自算出の注目度）: 2.3859858429583665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atmospheric turbulence degrades image quality in long-range imaging. The degradation is generally modeled with two spatio-temporally varying components, tilt and blur. Recent unsupervised turbulence mitigation methods have demonstrated the effectiveness of representing a sharp image as an implicit neural representation (INR). However, their tilt and blur representations remain frame-dependent, and the number of optimization parameters grows with the number of input frames. To address this limitation, we propose TriINR, an unsupervised turbulence mitigation method that recovers a sharp image from multiple degraded frames. TriINR represents the sharp image, tilt, and blur as three implicit neural representations. By modeling tilt and blur as spatio-temporal INRs, TriINR achieves frame-count-independent degradation representation and memory-efficient optimization. We further incorporate physical and statistical properties of atmospheric turbulence as constraints on the INRs to improve restoration accuracy. Experiments on synthesized turbulence data with three degradation strengths show that TriINR restores images more robustly across varying turbulence strengths than prior TM methods and achieves the highest accuracy among the evaluated unsupervised methods. Our method also demonstrates robustness on real long-range scenes containing additional non-ideal motion.
• Abstract（参考訳）: 大気圧は長距離イメージングにおいて画質を低下させる。 分解は一般に2つの時空間的に異なる成分、傾きとぼやけでモデル化される。 近年, 暗黙的ニューラル表現 (INR) としてのシャープ画像の表現の有効性が実証されている。 しかし、それらの傾きとぼやけの表現はフレーム依存のままであり、最適化パラメータの数は入力フレームの数とともに増加する。 この制限に対処するために、複数の劣化フレームからシャープな画像を復元する教師なし乱流緩和法であるTriINRを提案する。 TriINRは、鋭い画像、傾き、ぼやけを3つの暗黙の神経表現として表現する。 傾きとぼかしを時空間INRとしてモデル化することにより、TriINRはフレーム数非依存の劣化表現とメモリ効率の最適化を実現する。 さらに, 大気乱流の物理的および統計的特性をINRの制約として組み込んで, 復元精度を向上させる。 3つの劣化強度を持つ合成乱流データ実験により、TriINRは従来のTM法よりも様々な乱流強度の画像をより頑健に復元し、非教師付き手法の中で最も高い精度を達成できることを示した。 また,本手法は,非理想的な動きを含む実際の長距離シーンに対してロバスト性を示す。

関連論文リスト

• Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
  遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
  論文  参考訳（メタデータ） (2026-05-29T19:34:39Z)
• Unsupervised Multi-Parameter Inverse Solving for Reducing Ring Artifacts in 3D X-Ray CBCT [51.95884144860506]
  3次元コーンビームCT(CBCT)におけるリングアーティファクトの意義 既存のSOTA(State-of-the-art)リングアーティファクトリダクション(RAR)法は、大規模なペアCTデータセットによる教師あり学習に依存している。 本研究では,新しい教師なしRAR手法であるRinerを提案する。
  論文  参考訳（メタデータ） (2024-12-08T08:22:58Z)
• PASTA: Towards Flexible and Efficient HDR Imaging Via Progressively Aggregated Spatio-Temporal Alignment [91.38256332633544]
  PASTAは、HDRデゴスティングのためのプログレッシブアグリゲーションアグリゲーション・時空間アライメントフレームワークである。 提案手法は,特徴分散中の階層的表現を活用することにより,有効性と効率性を実現する。 実験結果から,従来のSOTA法よりもPASTAの方が視覚的品質と性能の両方で優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-15T15:05:29Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Image Reconstruction of Static and Dynamic Scenes through Anisoplanatic Turbulence [1.6114012813668934]
  静的および動的シーケンスの両方で大気乱流を緩和する統一的な手法を提案する。 我々は,新しい時空間非局所平均化手法を用いることで,既存手法と比較して優れた結果を得ることができる。
  論文  参考訳（メタデータ） (2020-08-31T19:20:46Z)
• Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
  このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。 乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T15:25:08Z)

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。