要約
悪天候条件下的画像復元は、さまざまなコンピュータビジョンの応用において重要な関心事となっています。最近の成功した手法は、ビジョントランスフォーマーなどの深層ニューラルネットワークのアーキテクチャ設計の進歩に依存しています。最先端の条件付き生成モデルで達成された最近の進歩に触発され、我々はデノイジング拡散確率モデルに基づく新しいパッチベースの画像復元アルゴリズムを提案します。我々のパッチベースの拡散モデリングアプローチは、推論時に重複するパッチ間で平滑化されたノイズ推定値を使用してガイダンス付きデノイジングプロセスを行うことで、サイズに依存しない画像復元を可能にします。我々は、画像除雪（desnowing）、雨と霧除去（combined deraining and dehazing）、および雨滴除去（raindrop removal）のベンチマークデータセット上で、モデルを実証的に評価しました。結果として、当アプローチが特定の天候条件下での画像復元だけでなく、複数の天候条件下での画像復元でも最先端の性能を達成することを示しました。さらに、実世界のテスト画像に対する強力な汎化能力も実験的に確認しました。