論文の概要: SIPSA-Net: Shift-Invariant Pan Sharpening with Moving Object Alignment for Satellite Imagery

• arxiv url: http://arxiv.org/abs/2105.02400v1
• Date: Thu, 6 May 2021 02:27:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 13:17:44.907344
• Title: SIPSA-Net: Shift-Invariant Pan Sharpening with Moving Object Alignment for Satellite Imagery
• Title（参考訳）: SIPSA-Net:衛星画像のための移動物体アライメントによるシフト不変パンシャーニング
• Authors: Jaehyup Lee, Soomin Seo and Munchurl Kim
• Abstract要約: Pan-sharpeningは、高分解能(HR)パンクロマティック(PAN)画像とその対応する低分解能(LR)マルチスペクトル(MS)画像をマージしてHR-MSおよびpan-sharpened画像を作成するプロセスです。 異なるセンサーの位置、特性、取得時間のために、PANとMSの画像ペアは、しばしばさまざまな量の不整合を有する傾向があります。 本研究では,移動対象領域の大きな不整合を考慮した移動対象アライメント(SIPSA-Net)によるシフト不変パンスハーピングを提案する。
• 参考スコア（独自算出の注目度）: 36.24121979886052
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pan-sharpening is a process of merging a high-resolution (HR) panchromatic (PAN) image and its corresponding low-resolution (LR) multi-spectral (MS) image to create an HR-MS and pan-sharpened image. However, due to the different sensors' locations, characteristics and acquisition time, PAN and MS image pairs often tend to have various amounts of misalignment. Conventional deep-learning-based methods that were trained with such misaligned PAN-MS image pairs suffer from diverse artifacts such as double-edge and blur artifacts in the resultant PAN-sharpened images. In this paper, we propose a novel framework called shift-invariant pan-sharpening with moving object alignment (SIPSA-Net) which is the first method to take into account such large misalignment of moving object regions for PAN sharpening. The SISPA-Net has a feature alignment module (FAM) that can adjust one feature to be aligned to another feature, even between the two different PAN and MS domains. For better alignment in pan-sharpened images, a shift-invariant spectral loss is newly designed, which ignores the inherent misalignment in the original MS input, thereby having the same effect as optimizing the spectral loss with a well-aligned MS image. Extensive experimental results show that our SIPSA-Net can generate pan-sharpened images with remarkable improvements in terms of visual quality and alignment, compared to the state-of-the-art methods.
• Abstract（参考訳）: パンシャーペン(英: Pan-sharpening)とは、高分解能(HR)パンクロマティック(PAN)画像とそれに対応する低分解能(LR)マルチスペクトル(MS)画像を融合して、HR-MSおよびパンシャーペン画像を生成する過程である。 しかし、センサーの位置、特性、取得時間が異なるため、PANとMSのイメージペアは様々な誤認識を持つことが多い。 このような不整合なパンms画像ペアでトレーニングされた従来のディープラーニングベースの方法は、結果のパンシャープ画像におけるダブルエッジやぼやけアーティファクトといった多様なアーティファクトに苦しむ。 本稿では,移動物体アライメント(sipsa-net)を用いたシフト不変パンシャープニング(shift-invariant pan-sharpening)と呼ばれる新しい枠組みを提案する。 SISPA-Netには機能アライメントモジュール(FAM)があり、2つのPANドメインとMSドメインの間でも、1つの機能を他の機能にアライメントするように調整することができる。 パンシャープ画像のアライメントを改善するため、シフト不変スペクトル損失を新たに設計し、元のMS入力の固有のミスアライメントを無視し、適切に整合したMS画像でスペクトル損失を最適化するのと同じ効果を有する。 広範な実験結果から,我々のsipsa-netは,最先端の手法と比較して,視覚的品質とアライメントの面で著しく改善したパンシャープ画像を生成することができた。

関連論文リスト

• Multi-Head Attention Residual Unfolded Network for Model-Based Pansharpening [2.874893537471256]
  展開融合法は、ディープラーニングの強力な表現能力とモデルベースアプローチの堅牢性を統合する。 本稿では,衛星画像融合のためのモデルに基づく深部展開手法を提案する。 PRISMA、Quickbird、WorldView2データセットの実験結果から、本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2024-09-04T13:05:00Z)
• CMT: Cross Modulation Transformer with Hybrid Loss for Pansharpening [14.459280238141849]
  Pansharpeningは、高分解能パンクロマティック(PAN)とマルチスペクトル(MS)画像を組み合わせることで、リモートセンシング画像(RSI)の品質を高めることを目的としている。 従来の手法では、空間情報やスペクトル情報を改善するためにPANとMSの画像を最適に融合させるのに苦労していた。 注意機構を改良する先駆的手法であるCross Modulation Transformer(CMT)を提案する。
  論文  参考訳（メタデータ） (2024-04-01T13:55:44Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• Panchromatic and Multispectral Image Fusion via Alternating Reverse Filtering Network [23.74842833472348]
  パンシャーペニング(英: Pan-sharpening)とは、空間領域における低分解能(LR)マルチスペクトル(MS)画像の超解像である。 そこで本研究では,パンシャーピングのための簡易かつ効果的なテキスト代替逆フィルタリングネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-15T03:56:05Z)
• PC-GANs: Progressive Compensation Generative Adversarial Networks for Pan-sharpening [50.943080184828524]
  空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。 モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
  論文  参考訳（メタデータ） (2022-07-29T03:09:21Z)
• PanFormer: a Transformer Based Model for Pan-sharpening [49.45405879193866]
  パンシャーピングは、低分解能(LR)マルチスペクトル(MS)画像とそれに対応するパンクロマチック(PAN)画像から高分解能(HR)マルチスペクトル(MS)画像を作成することを目的としている。 近年の深層学習コミュニティにおける新しいファッションに触発されて,パンシャーピングのための新しいトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2022-03-06T09:22:20Z)
• HyperTransformer: A Textural and Spectral Feature Fusion Transformer for Pansharpening [60.89777029184023]
  Pansharpeningは、登録された高分解能パノクロマトグラフィー画像(PAN)と低分解能ハイパースペクトル画像(LR-HSI)を融合して、高スペクトル・空間解像度の高分解能HSIを生成することを目的としている。 既存のパンシャルペン法は、HRテクスチャの特徴をPANからLR-HSIに伝達するアテンション機構を無視し、空間的およびスペクトル的歪みをもたらす。 本稿では, LR-HSI と PAN の特徴をそれぞれ変換器のクエリとキーとして定式化する HyperTransformer という, パンシャーピングのための新しいアテンション機構を提案する。
  論文  参考訳（メタデータ） (2022-03-04T18:59:08Z)
• LDP-Net: An Unsupervised Pansharpening Network Based on Learnable Degradation Processes [18.139096037746672]
  LDP-Netと呼ばれる学習可能な劣化過程に基づく新しい教師なしネットワークを提案する。 ブルーリングブロックとグレーニングブロックは、それぞれ対応する劣化過程を学習するように設計されている。 Worldview2 および Worldview3 画像を用いた実験により,提案した LDP-Net は,HRMS サンプルを使わずに PAN と LRMS 画像を効果的に融合できることを示した。
  論文  参考訳（メタデータ） (2021-11-24T13:21:22Z)
• Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
  不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。 当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。 広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
  論文  参考訳（メタデータ） (2021-04-25T07:25:16Z)

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。