論文の概要: Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution

• arxiv url: http://arxiv.org/abs/2007.05230v3
• Date: Sat, 1 Aug 2020 12:48:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 22:35:45.061882
• Title: Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution
• Title（参考訳）: 教師なしハイパースペクトル超解法におけるカップリングアンミックスネットのクロスアテンション
• Authors: Jing Yao, Danfeng Hong, Jocelyn Chanussot, Deyu Meng, Xiaoxiang Zhu, Zongben Xu
• Abstract要約: 本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
• 参考スコア（独自算出の注目度）: 79.97180849505294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The recent advancement of deep learning techniques has made great progress on hyperspectral image super-resolution (HSI-SR). Yet the development of unsupervised deep networks remains challenging for this task. To this end, we propose a novel coupled unmixing network with a cross-attention mechanism, CUCaNet for short, to enhance the spatial resolution of HSI by means of higher-spatial-resolution multispectral image (MSI). Inspired by coupled spectral unmixing, a two-stream convolutional autoencoder framework is taken as backbone to jointly decompose MS and HS data into a spectrally meaningful basis and corresponding coefficients. CUCaNet is capable of adaptively learning spectral and spatial response functions from HS-MS correspondences by enforcing reasonable consistency assumptions on the networks. Moreover, a cross-attention module is devised to yield more effective spatial-spectral information transfer in networks. Extensive experiments are conducted on three widely-used HS-MS datasets in comparison with state-of-the-art HSI-SR models, demonstrating the superiority of the CUCaNet in the HSI-SR application. Furthermore, the codes and datasets will be available at: https://github.com/danfenghong/ECCV2020_CUCaNet.
• Abstract（参考訳）: 近年のディープラーニング技術の進歩は、ハイパースペクトル画像超解像(HSI-SR)に大きな進歩をもたらした。 しかし、この課題に対して教師なしのディープネットワークの開発は依然として困難である。 そこで本研究では,高空間分解能マルチスペクトル画像(MSI)を用いて,HSIの空間分解能を高めるために,クロスアテンション機構CUCaNetを組み込んだ新しい非混合ネットワークを提案する。 スペクトルアンミックスにインスパイアされた2ストリーム畳み込みオートエンコーダフレームワークをバックボーンとしてMSとHSデータをスペクトル的に有意な基底と対応する係数に分解する。 CUCaNetは、ネットワーク上の合理的な一貫性仮定を強制することにより、HS-MS対応からスペクトルおよび空間応答関数を適応的に学習することができる。 さらに、ネットワークにおけるより効果的な空間スペクトル情報転送を実現するために、クロスアテンションモジュールが考案された。 HSI-SRモデルと比較して広く使われている3つのHS-MSデータセットに対して大規模な実験を行い、HSI-SRアプリケーションにおけるCUCaNetの優位性を実証した。 さらに、コードとデータセットはhttps://github.com/danfenghong/eccv2020_cucanetで利用可能になる。

関連論文リスト

• HSR-KAN: Efficient Hyperspectral Image Super-Resolution via Kolmogorov-Arnold Networks [0.16385815610837165]
  低分解能HSIと高分解能マルチスペクトル画像(HR-MSI)を融合する効率的なHSI超解像(HSI-SR)モデルを提案する。 HR-MSIからの空間情報の効果的な統合を実現するために,kansに基づく融合モジュールを設計する。 kansと統合されたチャネルアテンションモジュールとして、kan-CABはネットワークがスペクトルシーケンスや空間テクスチャの詳細を正確にシミュレートすることを可能にする。
  論文  参考訳（メタデータ） (2024-08-24T02:51:51Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Hyperspectral Image Super-Resolution via Dual-domain Network Based on Hybrid Convolution [6.3814314790000415]
  本稿ではハイブリッド畳み込み(SRDNet)に基づく新しいHSI超解像アルゴリズムを提案する。 スペクトル間自己相似性を捉えるため、空間領域に自己注意学習機構(HSL)を考案する。 HSIの知覚品質をさらに向上するため、周波数領域のモデルを最適化するために周波数損失(HFL)を導入した。
  論文  参考訳（メタデータ） (2023-04-10T13:51:28Z)
• RDRN: Recursively Defined Residual Network for Image Super-Resolution [58.64907136562178]
  深部畳み込みニューラルネットワーク(CNN)は、単一画像超解像において顕著な性能を得た。 本稿では,注目ブロックを効率的に活用する新しいネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-17T11:06:29Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• Hyperspectral Image Super-Resolution with Spectral Mixup and Heterogeneous Datasets [99.92564298432387]
  ハイパースペクトル画像(HSI)超解像(SR)の研究 HSI SRは高次元データと限られたトレーニング例によって特徴づけられる。 これにより、非分布サンプルに対する記憶や感度などのニューラルネットワークの望ましくない動作が悪化する。
  論文  参考訳（メタデータ） (2021-01-19T12:19:53Z)
• Coupled Convolutional Neural Network with Adaptive Response Function Learning for Unsupervised Hyperspectral Super-Resolution [28.798775822331045]
  ハイパースペクトル超解像(Hyperspectral super- resolution)とは、高空間分解能と高スペクトル分解能の両方を持つ画像を生成するためにHSIとMSIを融合させることを指す。 本研究では,従来のPSFやSRF情報を使わずにHSI-MSI融合の問題を解く,教師なし深層学習に基づく融合法HyCoNetを提案する。
  論文  参考訳（メタデータ） (2020-07-28T06:17:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。