ゼロから詳細まで：UHD 画像修復のための新しいベンチマークを含む進階的スペクトル分割パラジグマ

arXiv:2604.15654v1 発表タイプ：新しい 概要：超解像度（UHD）画像の修復は、画像内に存在する空間解像度の高さ、多様なコンテンツ、および細かい構造という独自の課題を抱えています。これらの問題に対処するために、修復プロセスに対する進階的スペクトル分解を導入し、ゼロ周波数**Enhancement（補強）**、低周波数**Restoration（回復）**、高周波数**Refinement（精緻化）**の三つの段階に分解しました。この構成に基づき、ゼロ周波数補強器（ZFE）、低周波数回復器（LFR）、高周波数精緻化器（HFR）という協調的なサブネットワークを統合した新しい枠組み、**ERR**を提案しました。ZFE は全体的なマッピングを学習するために事前知識を統合し、LFR は粗粒度情報を重視して主要コンテンツを再構築し、HFR は我々が提案した周波数ウィンドウ付きコルモゴロフ・アーンネットネットワーク（FW-KAN）を採用して高忠実度の修復のために細かいテクスチャと細部を回復させます。UHD 画像修復研究をさらに推進するために、多様なシーンと豊かなコンテンツを持つ 82,126 枚の UHD 画像を含む大規模高品質ベンチマークデータセット、**LSUHDIR**も構築しました。我々の提案された手法は UHD 画像修復の範囲において優れたパフォーマンスを示し、大規模アブラシオン研究は各モジュールの寄与と必要性を裏付けています。プロジェクトページ：https://github.com/NJU-PCALab/ERR

arXiv:2604.15654v1 Announce Type: new Abstract: Ultra-high-definition (UHD) image restoration poses unique challenges due to the high spatial resolution, diverse content, and fine-grained structures present in UHD images. To address these issues, we introduce a progressive spectral decomposition for the restoration process, decomposing it into three stages: zero-frequency \textbf{enhancement}, low-frequency \textbf{restoration}, and high-frequency \textbf{refinement}. Based on this formulation, we propose a novel framework, \textbf{ERR}, which integrates three cooperative sub-networks: the zero-frequency enhancer (ZFE), the low-frequency restorer (LFR), and the high-frequency refiner (HFR). The ZFE incorporates global priors to learn holistic mappings, the LFR reconstructs the main content by focusing on coarse-scale information, and the HFR adopts our proposed frequency-windowed Kolmogorov-Arnold Network (FW-KAN) to recover fine textures and intricate details for high-fidelity restoration. To further advance research in UHD image restoration, we also construct a large-scale, high-quality benchmark dataset, \textbf{LSUHDIR}, comprising 82{,}126 UHD images with diverse scenes and rich content. Our proposed methods demonstrate superior performance across a range of UHD image restoration tasks, and extensive ablation studies confirm the contribution and necessity of each module. Project page: https://github.com/NJU-PCALab/ERR.