論文の概要: WaveFlow-UIE: A Single-Pipeline Wavelet-Domain Flow Model for Efficient Underwater Image Restoration
- arxiv url: http://arxiv.org/abs/2611.15457v1
- Date: Wed, 11 Nov 2026 13:28:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.152091
- Title: WaveFlow-UIE: A Single-Pipeline Wavelet-Domain Flow Model for Efficient Underwater Image Restoration
- Title(参考訳): WaveFlow-UIE:効率的な水中画像復元のための単管ウェーブレットドメインフローモデル
- Abstract要約: 本稿では,分解した水中ウェーブレット表現をクリーンなウェーブレットに変換することを学習する単一パイプラインウェーブレットドメインフローモデルWaveFlow-UIEを提案する。
本手法は離散ウェーブレット変換を適用し,伝送や周囲光を含む軽量な物理インスパイアされたキューを推定し,ウェーブレット空間における流れマッチングにより学習した速度ネットワークを条件とした。
- 参考スコア(独自算出の注目度): 0.27998963147546135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Underwater image restoration remains challenging because color distortion, scattering, and detail loss affect low- and high-frequency image components differently. Recent diffusion-based methods have shown strong restoration quality, but often rely on multi-stage pipelines and costly iterative refinement. We present WaveFlow-UIE, a single-pipeline wavelet-domain flow model that directly learns to transform degraded underwater wavelet representations into clean ones. Our method applies a discrete wavelet transform, estimates lightweight physics-inspired degradation cues including transmission and ambient light, and conditions a velocity network trained with flow matching in wavelet space. The training objective combines flow-matching, frequency-weighted reconstruction, perceptual, color-consistency, and physics-consistency losses. Across UIEB, LSUI, UFO-120, and EUVP, WaveFlow-UIE achieves a strong quality-efficiency tradeoff, with especially competitive results on perceptual metrics. Relative to a strong wavelet-based diffusion baseline, the proposed model substantially reduces inference cost while maintaining or improving restoration quality on several paired benchmarks. We show that reducing the inference process from five flow steps to a single step preserves nearly all of the restoration quality while providing an additional speedup of about $4\times$ on UIEB at $256\times256$ resolution. This single-step result suggests that a single-pass wavelet-domain model is an effective alternative to heavier diffusion-style refinement.
- Abstract(参考訳): 色歪み、散乱、詳細損失が低周波・高周波画像成分に異なる影響を与えるため、水中画像復元は依然として困難である。
最近の拡散法は、強い復元品質を示すが、しばしば多段パイプラインとコストのかかる反復精製に依存している。
本稿では,分解した水中ウェーブレット表現をクリーンなウェーブレットに変換することを直接学習する単一パイプラインウェーブレットドメインフローモデルであるWaveFlow-UIEを提案する。
本手法は離散ウェーブレット変換を適用し,伝送や周囲光を含む軽量な物理インスパイアされた劣化キューと,ウェーブレット空間における流れマッチングによりトレーニングされた速度ネットワークの条件を推定する。
トレーニングの目的は、フローマッチング、周波数重み付けされた再構築、知覚、色一貫性、物理一貫性の損失を組み合わせることである。
UIEB、LSUI、UFO-120、EUVP全体で、WaveFlow-UIEは、特に知覚的メトリクスに対する競合的な結果とともに、強い品質効率のトレードオフを達成する。
強いウェーブレットベースの拡散ベースラインとは対照的に、提案モデルは、複数のベンチマークの復元品質を維持したり改善したりしながら、推論コストを大幅に削減する。
5つのフローステップから1ステップへの推論プロセスの削減は、ほぼすべての復元品質を維持しつつ、UIEBで約4\times$を256\times256$解像度で追加で提供することを示す。
このシングルステップの結果は、単一パスウェーブレットドメインモデルが、より重い拡散スタイルの洗練の代替となることを示唆している。
関連論文リスト
- Restoration-Aligned Generative Flow Models for Blind Motion Deblurring [57.425021485907756]
本稿では,フロー軌跡自体を再構成することで,不整合を解消するフレームワークであるDeFlowを紹介する。
この定式化の下では、標準フローマッチング損失は自然に残留損失の形を取る。
GoPro、HIDE、RealBlur、RWBIの実験では、DeFlowは強力な復元忠実性と知覚リアリズムを実現している。
論文 参考訳(メタデータ) (2026-05-09T10:05:51Z) - IR-Flow: Bridging Discriminative and Generative Image Restoration via Rectified Flow [46.532530550015736]
本稿では,Rectified Flowに基づく新しい画像復元手法IR-Flowを提案する。
まず, モデルから学習し, 様々なレベルの劣化に適応できる多層データ分散フローを構築した。
劣化画像領域とクリーン画像領域間の直線移動流を直接確立することにより,高速な推論が可能となるだけでなく,分布外劣化への適応性も向上することを示す。
論文 参考訳(メタデータ) (2026-04-21T16:58:14Z) - Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions [52.04969451806431]
正確な色復元が可能なリアルタイム水中画像強調フレームワークを提案する。
提案手法は、7つの評価指標にまたがって最先端の性能を実現する。
多様な環境条件下でUCIQEのスコアを29.7%改善する。
論文 参考訳(メタデータ) (2026-03-17T10:51:00Z) - FlowTurbo: Towards Real-time Flow-Based Image Generation with Velocity Refiner [70.90505084288057]
フローベースモデルはサンプリングプロセス中により直線的なサンプリング軌道を生成する傾向にある。
擬似修正器やサンプル認識コンパイルなどいくつかの手法を導入し,推論時間をさらに短縮する。
FlowTurboはImageNet上で100(ms/img)で2.12FID、38(ms/img)で3.93FIDに達する
論文 参考訳(メタデータ) (2024-09-26T17:59:51Z) - RFWave: Multi-band Rectified Flow for Audio Waveform Reconstruction [12.64898580131053]
本稿では,メルスペクトルや離散音響トークンから高忠実度音声波形を再構成する,最先端マルチバンド整流流法RFWaveを紹介する。
RFWaveは複雑なスペクトログラムを独自に生成し、フレームレベルで動作し、全てのサブバンドを同時に処理して効率を向上する。
実験により、RFWaveは優れた再構成品質を提供するだけでなく、計算効率も非常に優れており、GPU上でのオーディオ生成は、リアルタイムよりも最大160倍高速であることがわかった。
論文 参考訳(メタデータ) (2024-03-08T03:16:47Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳(メタデータ) (2023-06-01T03:08:28Z) - WaveDM: Wavelet-Based Diffusion Models for Image Restoration [43.254438752311714]
Wavelet-based Diffusion Model (WaveDM) は、ウェーブレット変換後の劣化画像のウェーブレットスペクトルに条件付きウェーブレット領域におけるクリーン画像の分布を学習する。
WaveDMは、従来のワンパス手法に匹敵する効率で最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2023-05-23T08:41:04Z)
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。