効率的な劣化認識型任意画像復元

劣化した低品質の入力から欠落した詳細を再構築することは、大きな課題となっています。最近の画像復元における進歩は、さまざまな劣化を同時に処理できる大規模なモデルの学習の効果を示しています。しかし、これらのアプローチは多大な計算負荷と複雑な学習パラダイムを導入し、実用性が制限される傾向があります。これに対応して、私たちは\textit{DaAIR}（Degradation-aware All-In-One Restorer）を提案します。これは、低ランク領域で動作する劣化認識学習者（DaLe: Degradation-aware Learner）を使用して、異なる劣化間で共有される側面や微妙な違いを協調的に掘り下げ、劣化認識埋め込み（degradation-aware embedding）を生成する効率的な統合型画像復元手法です。入力劣化に動的にモデル容量を割り当てることにより、全体的な学習と特定の学習を統一されたモデル内で効率的に統合することが可能となります。さらに、DaAIRは計算効率を維持しながら劣化認識度を向上させるコスト効率の高いパラメータ更新メカニズムも導入しています。5つの画像劣化に対する広範な比較実験により、私たちのDaAIRが最先端の統合型モデルおよび劣化特異型モデル双方に対して優れた性能を発揮することを確認しました。この結果は、私たちの手法の有効性と実用性を証明しています。ソースコードは公開され、https://eduardzamfir.github.io/daair/ からアクセスできます。注：「低ランク領域」（low-rank regime）や「パラメータ更新メカニズム」（parameter update mechanism）などの専門用語については一般的な日本語訳を使用しました。「DaAIR」、「DaLe」、「degradation-aware embedding」などの固有名詞は原文のまま使用し、必要に応じて日本語での説明をつけました。