SLER-IR: オールインワン画像復元のための球面レイヤーワイズ専門家ルーティング

要旨

多様な劣化条件下での画像復元は、特徴干渉や専門家の特化不足により、統合型オールインワンフレームワークにとって依然として課題である。本論文では、ネットワーク層を横断して専門家を動的に活性化する球面層別専門家ルーティングフレームワークSLER-IRを提案する。信頼性の高いルーティングを実現するため、対照学習を用いた球面一様劣化埋め込みを導入し、線形埋め込み空間における幾何学的バイアスを排除して劣化表現を超球面上に写像する。さらに、大域-局所粒度融合（GLGF）モジュールにより、大域的セマンティクスと局所的劣化手がかりを統合し、空間的非一様な劣化と訓練-テスト間の粒度ギャップに対処する。3タスクおよび5タスクベンチマークにおける実験により、SLER-IRがPSNRとSSIMの両方において最先端手法を一貫して上回ることを示す。コードとモデルは公開予定である。

English

Image restoration under diverse degradations remains challenging for unified all-in-one frameworks due to feature interference and insufficient expert specialization. We propose SLER-IR, a spherical layer-wise expert routing framework that dynamically activates specialized experts across network layers. To ensure reliable routing, we introduce a Spherical Uniform Degradation Embedding with contrastive learning, which maps degradation representations onto a hypersphere to eliminate geometry bias in linear embedding spaces. In addition, a Global-Local Granularity Fusion (GLGF) module integrates global semantics and local degradation cues to address spatially non-uniform degradations and the train-test granularity gap. Experiments on three-task and five-task benchmarks demonstrate that SLER-IR achieves consistent improvements over state-of-the-art methods in both PSNR and SSIM. Code and models will be publicly released.

SLER-IR: オールインワン画像復元のための球面レイヤーワイズ専門家ルーティング

SLER-IR: Spherical Layer-wise Expert Routing for All-in-One Image Restoration

要旨

Support