固定推論を超えて：適応的な画像ノイズ除去のための定量的フローマッチング
arXiv cs.CV / 2026/4/6
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文では、ノイズレベルが未知で入力ごとに変化する場合に、拡散／フローベースの画像ノイズ除去を改善するための定量的フローマッチングの枠組みを提案する。
- 各入力のノイズレベルを局所的な画素統計から推定し、その推定値を用いてノイズ除去中の推論軌道（開始点、積分ステップ数、ステップサイズのスケジュール）を適応的に調整する。
- このノイズ適応手法は、学習と推論の不一致により異なるノイズレベル間で学習済みベクトル場が整合しない問題に対処する。
- 軽度に汚損した画像では不要な計算を削減し、重度に劣化した画像にはより多くの精緻化を割り当てることで、精度と効率の両方を向上させる。
- 自然画像、医療画像、顕微鏡画像のデータセットに対する実験により、多様なノイズレベルおよび撮像条件にわたって頑健な性能と強い汎化性が示される。
