論文の概要: A Latent Encoder Coupled Generative Adversarial Network (LE-GAN) for Efficient Hyperspectral Image Super-resolution

• arxiv url: http://arxiv.org/abs/2111.08685v1
• Date: Tue, 16 Nov 2021 18:40:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 16:10:29.836592
• Title: A Latent Encoder Coupled Generative Adversarial Network (LE-GAN) for Efficient Hyperspectral Image Super-resolution
• Title（参考訳）: 高速ハイパースペクトル画像超解像のための潜在エンコーダ結合生成逆数ネットワーク(LE-GAN)
• Authors: Yue Shi, Liangxiu Han, Lianghao Han, Sheng Chang, Tongle Hu, Darren Dancey
• Abstract要約: GAN(Generative Adversarial Network)は画像超解像のための効果的なディープラーニングフレームワークであることが証明されている。 モード崩壊の問題を緩和するため,本研究では,潜在エンコーダ(LE-GAN)と組み合わせた新しいGANモデルを提案する。 LE-GANは、生成したスペクトル空間の特徴を画像空間から潜在空間にマッピングし、生成したサンプルを正規化するための結合成分を生成する。
• 参考スコア（独自算出の注目度）: 3.1023808510465627
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Realistic hyperspectral image (HSI) super-resolution (SR) techniques aim to generate a high-resolution (HR) HSI with higher spectral and spatial fidelity from its low-resolution (LR) counterpart. The generative adversarial network (GAN) has proven to be an effective deep learning framework for image super-resolution. However, the optimisation process of existing GAN-based models frequently suffers from the problem of mode collapse, leading to the limited capacity of spectral-spatial invariant reconstruction. This may cause the spectral-spatial distortion on the generated HSI, especially with a large upscaling factor. To alleviate the problem of mode collapse, this work has proposed a novel GAN model coupled with a latent encoder (LE-GAN), which can map the generated spectral-spatial features from the image space to the latent space and produce a coupling component to regularise the generated samples. Essentially, we treat an HSI as a high-dimensional manifold embedded in a latent space. Thus, the optimisation of GAN models is converted to the problem of learning the distributions of high-resolution HSI samples in the latent space, making the distributions of the generated super-resolution HSIs closer to those of their original high-resolution counterparts. We have conducted experimental evaluations on the model performance of super-resolution and its capability in alleviating mode collapse. The proposed approach has been tested and validated based on two real HSI datasets with different sensors (i.e. AVIRIS and UHD-185) for various upscaling factors and added noise levels, and compared with the state-of-the-art super-resolution models (i.e. HyCoNet, LTTR, BAGAN, SR- GAN, WGAN).
• Abstract（参考訳）: HSI(Realistic Hyperspectral Image)は、高分解能(HR) HSIを低分解能(LR)画像から高分解能(HR) HSIを生成することを目的としている。 generative adversarial network(gan)は、画像超解像のための効果的なディープラーニングフレームワークであることが証明されている。 しかし、既存のGANベースのモデルの最適化プロセスは、しばしばモード崩壊の問題に悩まされ、スペクトル空間不変再構成の限られた能力に繋がる。 これは生成したHSIのスペクトル空間歪みを、特に大きなアップスケーリング係数で引き起こす可能性がある。 モード崩壊の問題を緩和するため,本研究では,画像空間から潜在空間へのスペクトル空間的特徴をマッピングし,生成したサンプルを正規化するための結合成分を生成する,潜在エンコーダ(LE-GAN)を組み合わせた新しいGANモデルを提案する。 本質的に、HSI を潜在空間に埋め込まれた高次元多様体として扱う。 したがって、GANモデルの最適化は、潜在空間における高分解能HSIサンプルの分布を学習する問題に変換され、生成した高分解能HSIの分布を元の高分解能標本の分布に近づける。 我々は,超解像モデルの性能とモード崩壊を緩和する性能について実験を行った。 提案手法は,センサの異なる2つの実HSIデータセット(AVIRISとUHD-185)を用いて,様々なスケールアップ要因とノイズレベルを付加し,最先端の超解像モデル(HyCoNet,LTTR,BAGAN,SR-GAN,WGAN)と比較し,検証を行った。

関連論文リスト

• HSIGene: A Foundation Model For Hyperspectral Image Generation [46.745198868466545]
  ハイパースペクトル画像(HSI)は農業や環境モニタリングなど様々な分野で重要な役割を果たしている。 高価な取得コストのため、ハイパースペクトル画像の数は制限され、下流タスクのパフォーマンスが低下する。 遅延拡散に基づく多条件制御をサポートする新しいHSI生成基盤モデルであるHSIGeneを提案する。 実験により,提案モデルでは,デノナイズや超解像といった下流タスクに対して,膨大な量の現実的なHSIを生成することができることが示された。
  論文  参考訳（メタデータ） (2024-09-19T05:17:44Z)
• 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)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• A Spectral Diffusion Prior for Hyperspectral Image Super-Resolution [14.405562058304074]
  核融合型ハイパースペクトル像(HSI)は,低空間分解能HSIと高空間分解能マルチスペクトル像を融合させて高空間分解能HSIを作成することを目的としている。 拡散モデルの成功により,融合型HSI超解像に先立つ新しいスペクトル拡散法を提案する。
  論文  参考訳（メタデータ） (2023-11-15T13:40:58Z)
• SSIF: Learning Continuous Image Representation for Spatial-Spectral Super-Resolution [73.46167948298041]
  本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。 SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。 ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
  論文  参考訳（メタデータ） (2023-09-30T15:23:30Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• 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)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Hyperspectral Image Super-resolution with Deep Priors and Degradation Model Inversion [6.0622962428871885]
  核融合型ハイパースペクトル画像(HSI)の高分解能化が注目されている。 ディープラーニングアーキテクチャは、HSI超解像問題に対処するために使われてきた。 目的関数のデータ忠実度項における線形劣化モデルを用いる手法を提案する。
  論文  参考訳（メタデータ） (2022-01-24T18:17:40Z)

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。