論文の概要: WaFIR: Wavelet-Fourier Mixture-of-Experts with Subband-Adaptive Routing for Blind All-in-One Image Restoration

• arxiv url: http://arxiv.org/abs/2610.29108v1
• Date: Wed, 21 Oct 2026 02:50:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.184296
• Title: WaFIR: Wavelet-Fourier Mixture-of-Experts with Subband-Adaptive Routing for Blind All-in-One Image Restoration
• Title（参考訳）: WaFIR: ブラインドオールインワン画像復元のためのサブバンド適応ルーティングを用いたウェーブレット-フーリエ混合回路
• Abstract要約: 特徴をHaarサブバンドに分解するデコーダモジュールであるWAFIRを紹介する。 WaFIRはサブバンドレベルでルーティング決定を行い、周波数固有の処理を可能にする。
• 参考スコア（独自算出の注目度）: 6.330244581826103
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Blind all-in-one image restoration must adapt a shared model to heterogeneous and sometimes mixed degradations without a task label at test time. We introduce WaFIR, a decoder module that decomposes features into Haar subbands, summarizes each subband with a compact Fourier descriptor, and routes it to prompt-conditioned spectral modulation experts. Unlike image-level frequency conditioning, WaFIR makes routing decisions at the subband level, enabling frequency-specific processing while retaining the task context learned by the backbone. Under a unified training and evaluation protocol for denoising, deraining, and dehazing, WaFIR improves average PSNR over the three tasks by 0.48 dB over the PromptIR baseline and by 0.38 dB over the recent Up-Restorer. Matched-capacity and routing controls show that the gain is not explained by additional parameters alone. On unseen noise intensities, descriptor-based routing is more robust than a discrete label-conditioned alternative and remains on par under compound degradations, while routing analyses show stable subband-dependent expert use across degradation types. These results support subband frequency structure as an interpretable complement to prompt-based conditioning for blind image restoration. Code is available at https://anonymous.4open.science/r/WaFIR/README.md
• Abstract（参考訳）: ブラインドオールインワン画像復元は、テスト時にタスクラベルを使わずに、共有モデルを異質で時に混合的な劣化に適応させなければならない。 特徴をHaarサブバンドに分解し,各サブバンドをコンパクトなフーリエディスクリプタで要約するデコーダモジュールであるWAFIRを導入し,これをプロンプト条件のスペクトル変調の専門家にルーティングする。 画像レベルの周波数条件とは異なり、WaFIRはサブバンドレベルでルーティング決定を行い、バックボーンによって学習されたタスクコンテキストを保持しながら、周波数固有の処理を可能にする。 脱臭、脱臭、脱臭のための統一的なトレーニングおよび評価プロトコルの下で、WaFIRは3つのタスクの平均PSNRをPromptIRベースラインで0.48dB、最近のUp-Restorerで0.38dB改善する。 一致容量とルーティング制御は、ゲインが追加パラメータだけで説明されないことを示している。 未知のノイズ強度では、ディスクリプタベースのルーティングは、離散ラベル条件の代替よりも堅牢であり、複合劣化下では同等であり、一方、ルーティング解析は、分解タイプ全体で安定したサブバンド依存のエキスパート利用を示している。 これらの結果は、ブラインド画像復元のためのプロンプトベース条件付けの解釈可能な補完としてサブバンド周波数構造を支持する。 コードはhttps://anonymous.4open.science/r/WaFIR/README.mdで公開されている。

関連論文リスト

• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• ZoomSpec: A Physics-Guided Coarse-to-Fine Framework for Wideband Spectrum Sensing [7.560433707709695]
  ZoomSpecは物理誘導型粗粒度フレームワークで、信号処理の事前処理とディープラーニングを統合している。 SpaceNetのリアルタイムデータセットの評価では、最先端の78.1 mAP@0.5:0.95が示されている。
  論文  参考訳（メタデータ） (2026-04-15T07:29:25Z)
• FRAMER: Frequency-Aligned Self-Distillation with Adaptive Modulation Leveraging Diffusion Priors for Real-World Image Super-Resolution [6.767948729335409]
  実像超解像(Real-ISR)は、混合された未知の劣化を伴うLR入力からHR画像の復元を目指している。 バックボーンや推論を変更せずに拡散先を利用するプラグイン・アンド・プレイのトレーニングスキームであるFRAMERを紹介する。
  論文  参考訳（メタデータ） (2025-12-01T08:09:05Z)
• Towards Frequency-Adaptive Learning for SAR Despeckling [10.764049665817629]
  分割・分散アーキテクチャに基づく周波数適応型ヘテロジニアスデスペクリングモデルを提案する。 ノイズ特性の異なるサブネットワークを設計し,周波数成分の異なるサブネットワークを設計する。 エッジやテクスチャに富んだ高周波サブバンドに対して,ノイズ抑制と機能強化のための変形可能な畳み込みを備えた拡張U-Netを導入する。
  論文  参考訳（メタデータ） (2025-11-08T07:08:22Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• AdaIR: Adaptive All-in-One Image Restoration via Frequency Mining and Modulation [99.57024606542416]
  周波数マイニングと変調に基づく適応的なオールインワン画像復元ネットワークを提案する。 我々のアプローチは、異なる周波数サブバンド上の画像内容に異なる劣化タイプが影響を及ぼすという観察によって動機付けられている。 提案モデルでは,入力劣化に応じて情報周波数サブバンドをアクセントすることで適応的再構成を実現する。
  論文  参考訳（メタデータ） (2024-03-21T17:58:14Z)
• DestripeCycleGAN: Stripe Simulation CycleGAN for Unsupervised Infrared Image Destriping [15.797480466799222]
  CycleGANは、教師なし画像復元の先進的なアプローチであることが証明されている。 DestripeCycleGANという単一フレーム赤外線画像デストリップのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-14T11:22:20Z)
• Exploring Inter-frequency Guidance of Image for Lightweight Gaussian Denoising [1.52292571922932]
  本稿では,周波数帯域を低域から高域に漸進的に洗練するために,IGNetと呼ばれる新しいネットワークアーキテクチャを提案する。 この設計では、より周波数間先行と情報を利用するため、モデルサイズは軽量化でき、競争結果も維持できる。
  論文  参考訳（メタデータ） (2021-12-22T10:35:53Z)
• WaveFill: A Wavelet-based Generation Network for Image Inpainting [57.012173791320855]
  WaveFillはウェーブレットベースの塗装ネットワークで、画像を複数の周波数帯域に分解する。 WaveFillは、空間情報を自然に保存する離散ウェーブレット変換(DWT)を用いて画像を分解する。 低周波帯にL1再構成損失を、高周波帯に敵対損失を施し、それによって周波数間紛争を効果的に軽減する。
  論文  参考訳（メタデータ） (2021-07-23T04:44:40Z)
• SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers [91.09957836250209]
  ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。 CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。 我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-07T02:59:21Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。