Derain-Agent: 雨天画像復元のプラグアンドプレイエージェントフレームワーク
arXiv cs.CV / 2026/3/13
📰 ニュースTools & Practical UsageModels & Research
要点
- Derain-Agentは静的な除雨を動的なエージェントベースの復元アプローチへとアップグレードする、プラグアンドプレイ対応のリファインメントフレームワークを提供します。
- Planning Networkを導入し、各画像に最適な復元ツールのシーケンスを学習してスケジュールすることで、複雑な劣化の扱いを改善します。
- 空間的に適応した強度でツールを適用するStrength Modulation機構を含み、残留誤差を領域別に補正します。
- 既存の除雨モデルとプラグアンドプレイで組み合わせ可能になるよう設計されており、コストの高い反復探索を回避しつつ性能を向上させます。
- 合成データおよび実世界の雨ベンチマークで、高い一般化性能と最先端の除雨法に対する一貫した改善を示します。
要旨: 深層学習は単一画像の除雨を進展させてきたが、既存のモデルは本質的な制約を抱えています。静的推論パラダイムを採用しており、現実世界の雨の複雑で結合した劣化（例：ノイズアーティファクト、ブラー、色の偏差）には適応できません。結果として、復元画像はしばしば残留アーティファクトや知覚品質のばらつきを示します。本研究では、Derain-Agentを提案します。これは静的処理から動的でエージェントベースの復元へと移行する、プラグアンドプレイ対応のリファインメントフレームワークです。Derain-Agentはベースの除雨モデルに二つの中核的機能を備えます。1) 各インスタンスに対して最適な復元ツールのシーケンスを賢くスケジュールするPlanning Network、2) これらのツールを空間的に適応した強度で適用するStrength Modulation機構。これにより、反復探索の高コストを伴うことなく、残留誤差を領域ごとに正確に補正できます。我々の手法は強い一般化能力を示し、合成データおよび実世界のベンチマークの両方で、最先端の除雨モデルの性能を一貫して向上させます。
