核心概念
サンプル外劣化に対応するためのモデル再プログラミングフレームワークの提案とその有効性を示す。
要約
既存の画像復元モデルは特定のタスク向けに設計されており、サンプル外劣化への一般化が困難である。本研究では、量子力学と波関数を活用した新しいアプローチを提案し、入力画像を振幅と位相項からなる波動関数として表現する。このフレームワークは、アンプリチュード項を強化し、位相成分を整列させることでサンプル外劣化を回復する。実験結果は提案されたフレームワークの有効性と柔軟性を示している。
統計
10.65万枚のDIV2KおよびFlickr2Kデータセットからトレーニングサンプルを取得。
Rain1200データセットから12,000枚のトレーニング画像および1,200枚のテスト画像を使用。
MIT-Adobe Five5Kデータセットから雑音画像生成。
GoPro、VideoDeblurring、HIDEなど複数のデータセットから14,408枚のトレーニングサンプル取得。
RESIDEデータセットから13,990枚のイメージ使用。
引用
"Existing image restoration models are typically designed for specific tasks and struggle to generalize to out-of-sample degradations not encountered during training."
"To address this issue, we propose a model reprogramming framework, which translates out-of-sample degradations by quantum mechanic and wave functions."
"Our proposed framework outperforms previous domain adaptation and image restoration methods in terms of generalization ability and restoration effectiveness."