FDG-Diff: Frequency-Domain-Guided Diffusion Framework for Compressed Hazy Image Restoration

要約

この研究では、ヘイズの劣化と JPEG 圧縮の間の相互作用によって複雑な結合損失効果が生じ、これが画像復元を大幅に複雑にすることを明らかにしました。
既存のかすみ除去モデルは圧縮効果を無視していることが多く、実際のアプリケーションでの有効性が制限されています。
これらの課題に対処するために、3 つの主要な貢献を紹介します。
まず、周波数領域情報を活用して JPEG 画像の復元を改善する、新しい周波数領域ガイドのかすみ除去フレームワークである FDG-Diff を設計します。
2 番目に、高周波補償モジュール (HFCM) を導入します。これは、拡散ベースの復元フレームワークに周波数領域拡張技術を組み込むことで、空間領域の詳細復元を強化します。
最後に、DADTP (Degradation-Aware Denoising Timestep Predictor) モジュールの導入により、適応的な領域固有の復元が可能になり、圧縮されたかすんだ画像の領域的な劣化の不一致に効果的に対処できるため、復元品質がさらに向上します。
複数の圧縮かすみ除去データセットにわたる実験結果は、私たちの方法が常に最新の最先端のアプローチよりも優れていることを示しています。
コードは https://github.com/SYSUzrc/FDG-Diff で入手できます。

要約(オリジナル)

In this study, we reveal that the interaction between haze degradation and JPEG compression introduces complex joint loss effects, which significantly complicate image restoration. Existing dehazing models often neglect compression effects, which limits their effectiveness in practical applications. To address these challenges, we introduce three key contributions. First, we design FDG-Diff, a novel frequency-domain-guided dehazing framework that improves JPEG image restoration by leveraging frequency-domain information. Second, we introduce the High-Frequency Compensation Module (HFCM), which enhances spatial-domain detail restoration by incorporating frequency-domain augmentation techniques into a diffusion-based restoration framework. Lastly, the introduction of the Degradation-Aware Denoising Timestep Predictor (DADTP) module further enhances restoration quality by enabling adaptive region-specific restoration, effectively addressing regional degradation inconsistencies in compressed hazy images. Experimental results across multiple compressed dehazing datasets demonstrate that our method consistently outperforms the latest state-of-the-art approaches. Code be available at https://github.com/SYSUzrc/FDG-Diff.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google