[論文レビュー] BinaryDemoire: Moiré-Aware Binarization for Image Demoiréing

Zheng Chen, Zhi Yang+6 more|arXiv (Cornell University)|Feb 3, 2026

Advanced Image Processing Techniques被引用数 0

ひとこと要約

BinaryDemoireは、モアレ対応のバイナリゲートとシャッフルグループ化残差アダプターを用いたビナリゼーション型のデモワレイングフレームワークで、強力な復元性能と大幅なパラメータ・計算量削減を実現し、ベンチマークにおける全精度性能とほぼ一致します。

ABSTRACT

Image demoiréing aims to remove structured moiré artifacts in recaptured imagery, where degradations are highly frequency-dependent and vary across scales and directions. While recent deep networks achieve high-quality restoration, their full-precision designs remain costly for deployment. Binarization offers an extreme compression regime by quantizing both activations and weights to 1-bit. Yet, it has been rarely studied for demoiréing and performs poorly when naively applied. In this work, we propose BinaryDemoire, a binarized demoiréing framework that explicitly accommodates the frequency structure of moiré degradations. First, we introduce a moiré-aware binary gate (MABG) that extracts lightweight frequency descriptors together with activation statistics. It predicts channel-wise gating coefficients to condition the aggregation of binary convolution responses. Second, we design a shuffle-grouped residual adapter (SGRA) that performs structured sparse shortcut alignment. It further integrates interleaved mixing to promote information exchange across different channel partitions. Extensive experiments on four benchmarks demonstrate that the proposed BinaryDemoire surpasses current binarization methods. Code: https://github.com/zhengchen1999/BinaryDemoire.

研究の動機と目的

• 画像デモワレイングの展開ギャップを、モデルサイズと計算量を二値化で削減して解消する。
• 二値化時にモアレアーティファクトの周波数構造を尊重する。
• 1ビット演算下で残差フローとチャネル間相互作用を維持する仕組みを導入する。
• 複数データセットにわたり、従来の二値化手法よりBinaryDemoireの性能が上であることを示す。

提案手法

• 中間層に1ビット重みと活性化を適用してESDNetベースのデモワレイングバックボーンを二値化するが、最初と最後の層は全精度のまま保持する。
• モアレ対応バイナリゲート（MABG）を導入し、ウェーブレットベースの周波数記述子と活性化統計を用いて、条件付け二値畳み込みのチャネルごとのゲートを予測する。
• シャッフルグループ化残差アダプター（SGRA）を開発し、分割投影と交互混合を介してチャネル次元の変化下でも軽量で構造化された残差整列を可能にする。
• 二値化活性化と重みのためにストレートスルー推定機を用いて訓練し、活性化二値化の学習可能なチャネル-wise閾値を導入する。
• コストと性能のバランスを取るため、重要な層に対して選択的にMABGを適用する。

実験結果

リサーチクエスチョン

• RQ1 デモワレイングタスクにおける頻度構造を持つモアレアーティファクトに、二値化を適用するにはどう適応すればよいか。
• RQ2 周波数と統計に条件付けられた軽量ゲーティング機構は、二値化デモワレイングの性能を向上させるか。
• RQ3 チャネル次元が変化する際に、二値化デモワレイングバックボーンで残差接続をどう保持するか。
• RQ4 BinaryDemoireの性能対比で、全精度モデルおよび他の二値化ベースラインと比べた性能-計算効率のトレードオフはどうか。

主な発見

• BinaryDemoireは、4つのデモワレイングベンチマークで既存の二値化手法より優れた復元を実現。
• 全精度ベースモデル（ESDNet）と比較して、BinaryDemoireは性能をほぼ維持しつつ、パラメータと計算量を90％超削減。
• MABGは周波数対応のチャネル-wiseゲーティングを有効にすることで、BaselineよりPSNRとSSIMを改善。
• SGRAは次元変化にまたがる効率的な残差整列を提供し、情報フローを低オーバーヘッドで保持。
• ベンチマーク全体で、BinaryDemoireは二値化手法の中で最良または競合的な結果を出しつつ、全精度コストのごく一部を維持。