論文の概要: Semisupervised Manifold Alignment of Multimodal Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2104.07803v1
- Date: Thu, 15 Apr 2021 22:20:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 06:48:01.152443
- Title: Semisupervised Manifold Alignment of Multimodal Remote Sensing Images
- Title（参考訳）: マルチモーダルリモートセンシング画像の半教師あり多様体アラインメント
- Authors: Devis Tuia, Michele Volpi, Maxime Trolliet, Gustau Camps-Valls
- Abstract要約: 本稿では,リモートセンシング画像の異なるモダリティ(領域)の多様体アライメント手法を提案する。
提案された半教師付きマニホールドアライメント(SS-MA)法は、そのマニホールド上で直接動作するイメージをアライメントする。
おもちゃの例と実多角・多時間・多ソース画像分類問題におけるSS-MAの性能について検討する。
- 参考スコア（独自算出の注目度）: 12.833370786407668
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We introduce a method for manifold alignment of different modalities (or
domains) of remote sensing images. The problem is recurrent when a set of
multitemporal, multisource, multisensor and multiangular images is available.
In these situations, images should ideally be spatially coregistred, corrected
and compensated for differences in the image domains. Such procedures require
the interaction of the user, involve tuning of many parameters and heuristics,
and are usually applied separately. Changes of sensors and acquisition
conditions translate into shifts, twists, warps and foldings of the image
distributions (or manifolds). The proposed semisupervised manifold alignment
(SS-MA) method aligns the images working directly on their manifolds, and is
thus not restricted to images of the same resolutions, either spectral or
spatial. SS-MA pulls close together samples of the same class while pushing
those of different classes apart. At the same time, it preserves the geometry
of each manifold along the transformation. The method builds a linear
invertible transformation to a latent space where all images are alike, and
reduces to solving a generalized eigenproblem of moderate size. We study the
performance of SS-MA in toy examples and in real multiangular, multitemporal,
and multisource image classification problems. The method performs well for
strong deformations and leads to accurate classification for all domains.
- Abstract（参考訳）: 本稿では,リモートセンシング画像の異なるモダリティ(領域)の多様体アライメント手法を提案する。
この問題は、マルチテンポラリ、マルチソース、マルチセンサー、マルチ角画像の集合が利用可能である場合に繰り返し発生する。
これらの状況では、画像領域の違いに対して、画像は理想的に空間的にコアレジストリされ、修正され、補償されるべきである。
このような手順はユーザのインタラクションを必要とし、多くのパラメータとヒューリスティックのチューニングを伴い、通常は別々に適用される。
センサと取得条件の変化は、画像分布(または多様体)のシフト、ツイスト、ワープ、折り畳みへと変換される。
提案した半教師付き多様体アライメント(SS-MA)法は、それらの多様体に直接作用する画像を整列させ、したがってスペクトルまたは空間の同じ解像度の画像に制限されない。
SS-MAは、異なるクラスのサンプルを分離しながら、同じクラスのサンプルを閉じます。
同時に、変換に沿って各多様体の幾何学を保存する。
この方法は、すべての画像が類似する潜在空間への線形可逆変換を構築し、適度な大きさの一般化固有問題を解くことに還元する。
SS-MAの玩具実例および実多角・多角・多ソース画像分類問題における性能について検討する。
この方法は強い変形に対してよく機能し、全ての領域の正確な分類につながる。
関連論文リスト
- Cross-Domain Separable Translation Network for Multimodal Image Change Detection [11.25422609271201]
マルチモーダル変化検出(MCD)はリモートセンシングコミュニティにおいて特に重要である。
本稿では,MDDの課題,特に異なるセンサの画像を比較することの難しさに対処することに焦点を当てる。
これらの制限を克服するために、新しい教師なしクロスドメイン分離型翻訳ネットワーク(CSTN)が提案されている。
論文 参考訳（メタデータ） (2024-07-23T03:56:02Z) - RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。
このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文 参考訳（メタデータ） (2024-03-28T06:22:45Z) - Smooth image-to-image translations with latent space interpolations [64.8170758294427]
マルチドメインイメージ・トゥ・イメージ(I2I)変換は、ターゲットドメインのスタイルに応じてソースイメージを変換することができる。
我々の正規化技術は、最先端のI2I翻訳を大きなマージンで改善できることを示す。
論文 参考訳（メタデータ） (2022-10-03T11:57:30Z) - Polymorphic-GAN: Generating Aligned Samples across Multiple Domains with
Learned Morph Maps [94.10535575563092]
本稿では,複数の関連ドメインから一貫した画像サンプルを同時に生成できる生成逆ネットワークを提案する。
各ドメインにまたがる共有特徴を学習するポリモルフィックGANと、各ドメインに応じて共有特徴を共有化するためのドメインごとのモルフィック層を提案する。
論文 参考訳（メタデータ） (2022-06-06T21:03:02Z) - Automatic Registration of Images with Inconsistent Content Through
Line-Support Region Segmentation and Geometrical Outlier Removal [17.90609572352273]
本稿では,線支持領域分割と幾何外乱除去(ALRS-GOR)による自動画像登録手法を提案する。
アフィン変形と矛盾した内容を含む画像の登録に関する問題に対処するように設計されている。
提案手法の評価には,アフィン変形を模擬した空中画像など,様々な画像セットが検討されている。
論文 参考訳（メタデータ） (2022-04-02T10:47:16Z) - Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。
HSI再構成のための深層学習にHSI空間を埋め込んだCST
特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文 参考訳（メタデータ） (2022-03-09T16:17:47Z) - The Geometry of Deep Generative Image Models and its Applications [0.0]
generative adversarial networks (gans) は、実世界のデータセットの統計パターンをモデル化する強力な教師なし手法として登場した。
これらのネットワークは、潜在空間内のランダムな入力を学習データを表す新しいサンプルにマップするように訓練される。
潜在空間の構造は、その高い寸法性と発電機の非線形性のために内挿しが困難である。
論文 参考訳（メタデータ） (2021-01-15T07:57:33Z) - Multi-temporal and multi-source remote sensing image classification by
nonlinear relative normalization [17.124438150480326]
emカーネル化により,異なるドメインのデータを非線形に整列する手法を検討する。
我々は,超スペクトルイメージングのためのシャドウイングに不変なモデルを作成する作業に加えて,多時間的および多元的超高分解能分類タスクにおいてkemaのテストに成功した。
論文 参考訳（メタデータ） (2020-12-07T08:46:11Z) - SMILE: Semantically-guided Multi-attribute Image and Layout Editing [154.69452301122175]
GAN(Generative Adversarial Networks)の導入以来、属性画像操作は非常に活発な話題となっている。
対象領域の下位領域情報のみを使用しながら、ランダムノイズや画像によって誘導される全ての属性を処理するマルチモーダル表現を提案する。
本手法では,イメージを参照として,あるいはスタイル分布空間を探索することにより,細粒度や粗粒度などの属性の追加,削除,変更を行うことができる。
論文 参考訳（メタデータ） (2020-10-05T20:15:21Z) - Unifying Specialist Image Embedding into Universal Image Embedding [84.0039266370785]
画像の様々な領域に適用可能な普遍的な深層埋め込みモデルを持つことが望ましい。
本稿では,複数の専門家の知識を普遍的な埋め込みに融合させてこの問題を解決することを提案する。
論文 参考訳（メタデータ） (2020-03-08T02:51:11Z)
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。