日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

画像復元arXiv:2511.05873

EndoIR: 劣化に依存しないノイズ対応ルーティング拡散による内視鏡画像のオールインワン復元

EndoIR: Degradation-Agnostic All-in-One Endoscopic Image Restoration via Noise-Aware Routing Diffusion

シェア:XThreadsFacebookLINEはてブBluesky

内視鏡画像の多様な劣化を単一モデルで復元する拡散ベースのフレームワークを提案し、複数の劣化シナリオで最先端性能を達成した。

詳しい要約

1. どんなもの?

- 内視鏡画像の多様かつ同時に発生する劣化(低照度・煙・出血など)を単一モデルで復元する all-in-one かつ degradation-agnostic な diffusion ベースのフレームワーク EndoIR の提案。 - 劣化種別の事前知識を必要とせず、複数の劣化シナリオに対応する内視鏡画像 restoration を目指す。 - 下流の segmentation への臨床的有用性も確認している。

2. 先行研究と比べてどこがすごい?

- 既存の restoration 手法は task-specific で、劣化タイプの事前知識を必要とするものが多く、実臨床での robustness に限界があった。 - EndoIR は単一モデルで複数劣化に対応する all-in-one・degradation-agnostic な枠組みを実現。 - SegSTRONG-C と CEC のデータセットで、強い baseline より少ないパラメータ数で複数劣化シナリオにわたり state-of-the-art 性能を達成したと報告。

3. 技術・手法の肝は?

- Dual-Domain Prompter により空間・周波数の joint 特徴を抽出。 - adaptive embedding で shared および task-specific な cue を符号化し、denoising の conditioning として与える。 - 従来の concatenation ベース conditioning での feature confusion を緩和するため、clean 入力と degraded 入力を別々に処理する Dual-Stream Diffusion architecture を設計。 - Rectified Fusion Block で両者を構造的かつ degradation-aware に統合。 - Noise-Aware Routing Block により denoising 中に noise 関連特徴のみを動的に選択し効率化。

4. どうやって有効だと検証した?

- SegSTRONG-C および CEC データセット上で実験を実施。 - 複数の劣化シナリオにおいて state-of-the-art 性能を達成し、強い baseline より少ないパラメータ数であることを示した。 - 下流の segmentation 実験により臨床的有用性を確認。

5. 議論はある?

- 要旨からは不明(具体的な limitation や failure case、計算コストの詳細な議論は記述されていない)。 - 少ないパラメータ数での効率性と下流 segmentation への有用性が主張されている点は議論の対象になり得る。

6. 次に読むべき論文は?

- Diffusion ベースの image restoration 関連手法(例: 一般的な diffusion restoration 研究)。 - all-in-one restoration の先行手法。 - 内視鏡画像の restoration および segmentation に関する研究(SegSTRONG-C、CEC を用いるもの)。 - 要旨で明示的に参照・比較されている個別研究名は記載がないため、上記は同分野の一般名・データセット名に基づく。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Tong Chen, Xinyu Ma, Long Bai, Wenyang Wang, Yue Sun, Luping Zhou

分類: eess.IV, cs.AI, cs.CV, cs.RO

原文アブストラクト

Endoscopic images often suffer from diverse and co-occurring degradations such as low lighting, smoke, and bleeding, which obscure critical clinical details. Existing restoration methods are typically task-specific and often require prior knowledge of the degradation type, limiting their robustness in real-world clinical use. We propose EndoIR, an all-in-one, degradation-agnostic diffusion-based framework that restores multiple degradation types using a single model. EndoIR introduces a Dual-Domain Prompter that extracts joint spatial-frequency features, coupled with an adaptive embedding that encodes both shared and task-specific cues as conditioning for denoising. To mitigate feature confusion in conventional concatenation-based conditioning, we design a Dual-Stream Diffusion architecture that processes clean and degraded inputs separately, with a Rectified Fusion Block integrating them in a structured, degradation-aware manner. Furthermore, Noise-Aware Routing Block improves efficiency by dynamically selecting only noise-relevant features during denoising. Experiments on SegSTRONG-C and CEC datasets demonstrate that EndoIR achieves state-of-the-art performance across multiple degradation scenarios while using fewer parameters than strong baselines, and downstream segmentation experiments confirm its clinical utility.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI