論文の概要: A Triple-Double Convolutional Neural Network for Panchromatic Sharpening
- arxiv url: http://arxiv.org/abs/2112.02237v1
- Date: Sat, 4 Dec 2021 04:22:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 09:09:49.622192
- Title: A Triple-Double Convolutional Neural Network for Panchromatic Sharpening
- Title（参考訳）: パンクロマチックシャーニングのための3重畳み込みニューラルネットワーク
- Authors: Tian-Jing Zhang, Liang-Jian Deng, Ting-Zhu Huang, Jocelyn Chanussot,
Gemine Vivone
- Abstract要約: パンシャルペニング(英: Pansharpening)とは、空間分解能の高いパンクロマティック画像と、空間分解能の低いマルチスペクトル画像の融合を指す。
本稿では,パンシャーピングのためのレベルドメインに基づく損失関数を持つ新しいディープニューラルネットワークアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 31.392337484731783
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pansharpening refers to the fusion of a panchromatic image with a high
spatial resolution and a multispectral image with a low spatial resolution,
aiming to obtain a high spatial resolution multispectral image. In this paper,
we propose a novel deep neural network architecture with level-domain based
loss function for pansharpening by taking into account the following
double-type structures, \emph{i.e.,} double-level, double-branch, and
double-direction, called as triple-double network (TDNet). By using the
structure of TDNet, the spatial details of the panchromatic image can be fully
exploited and utilized to progressively inject into the low spatial resolution
multispectral image, thus yielding the high spatial resolution output. The
specific network design is motivated by the physical formula of the traditional
multi-resolution analysis (MRA) methods. Hence, an effective MRA fusion module
is also integrated into the TDNet. Besides, we adopt a few ResNet blocks and
some multi-scale convolution kernels to deepen and widen the network to
effectively enhance the feature extraction and the robustness of the proposed
TDNet. Extensive experiments on reduced- and full-resolution datasets acquired
by WorldView-3, QuickBird, and GaoFen-2 sensors demonstrate the superiority of
the proposed TDNet compared with some recent state-of-the-art pansharpening
approaches. An ablation study has also corroborated the effectiveness of the
proposed approach.
- Abstract（参考訳）: パンシャープ化とは、高空間解像度のパンクロマティック画像と低空間解像度のマルチスペクトル画像との融合であり、高空間解像度のマルチスペクトル画像を得ることを目的としている。
本稿では,3重二重ネットワーク(TDNet)と呼ばれる2重レベル,2重ブランチ,2重方向の2重タイプ構造を考慮し,パンシャーピングのためのレベルドメインに基づく損失関数を持つ新しいディープニューラルネットワークアーキテクチャを提案する。
TDNetの構造を用いることで、パンクロマチック画像の空間的詳細をフル活用し、低空間分解能マルチスペクトル画像に徐々に注入することにより、高空間分解能出力が得られる。
特定のネットワーク設計は、従来のマルチレゾリューション分析(mra)法の物理式によって動機づけられている。
したがって、効果的なMRA融合モジュールもTDNetに統合される。
さらに,いくつかのresnetブロックとマルチスケール畳み込みカーネルを採用し,ネットワークの深層化と拡張を行い,提案するtdnetの機能抽出とロバスト性が効果的に向上した。
WorldView-3、QuickBird、GaoFen-2センサーが取得した縮小およびフル解像度データセットに関する大規模な実験は、最近の最先端のパンシャーピングアプローチと比較して提案されたTDNetの優位性を示している。
アブレーション研究も提案手法の有効性を裏付けている。
関連論文リスト
- Double-Shot 3D Shape Measurement with a Dual-Branch Network [14.749887303860717]
我々は、異なる構造光(SL)変調を処理するために、デュアルブランチ畳み込みニューラルネットワーク(CNN)-トランスフォーマーネットワーク(PDCNet)を提案する。
PDCNet内では、Transformerブランチを使用してフリンジイメージのグローバルな認識をキャプチャし、CNNブランチはスペックルイメージのローカル詳細を収集するように設計されている。
提案手法は, 自己生成データセット上で高精度な結果が得られる一方で, フランジオーダーの曖昧さを低減できることを示す。
論文 参考訳（メタデータ） (2024-07-19T10:49:26Z) - DSR-Diff: Depth Map Super-Resolution with Diffusion Model [38.68563026759223]
本稿では,遅延空間内の拡散モデルを用いて,深度マップの超解像誘導を行う新しいCDSRパラダイムを提案する。
提案手法は,最先端手法と比較して,広範囲な実験において優れた性能を示した。
論文 参考訳（メタデータ） (2023-11-16T14:18:10Z) - 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) - D3C2-Net: Dual-Domain Deep Convolutional Coding Network for Compressive
Sensing [9.014593915305069]
深部展開ネットワーク(DUN)は圧縮センシング(CS)において顕著な成功を収めた
提案したフレームワークをディープニューラルネットワークに展開することにより、新たなデュアルドメインディープ畳み込み符号化ネットワーク(D3C2-Net)をさらに設計する。
自然画像とMR画像の実験により、我々のD3C2-Netは、他の最先端技術よりも高い性能と精度・複雑さのトレードオフを達成することが示された。
論文 参考訳（メタデータ） (2022-07-27T14:52:32Z) - Fusformer: A Transformer-based Fusion Approach for Hyperspectral Image
Super-resolution [9.022005574190182]
低分解能ハイパースペクトル像と高分解能マルチスペクトル像を融合させるトランスフォーマーに基づくネットワークを設計する。
LR-HSIは主スペクトル構造を持つため、ネットワークは空間的詳細推定に重点を置いている。
様々な実験と品質指標は、他の最先端手法と比較して、我々のアプローチの優位性を示している。
論文 参考訳（メタデータ） (2021-09-05T14:00:34Z) - VolumeFusion: Deep Depth Fusion for 3D Scene Reconstruction [71.83308989022635]
本稿では、ディープニューラルネットワークを用いた従来の2段階フレームワークの複製により、解釈可能性と結果の精度が向上することを提唱する。
ネットワークは,1)深部MVS技術を用いた局所深度マップの局所計算,2)深部マップと画像の特徴を融合させて単一のTSDFボリュームを構築する。
異なる視点から取得した画像間のマッチング性能を改善するために,PosedConvと呼ばれる回転不変な3D畳み込みカーネルを導入する。
論文 参考訳（メタデータ） (2021-08-19T11:33:58Z) - High-resolution Depth Maps Imaging via Attention-based Hierarchical
Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。
本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-04T03:28:33Z) - Cross-Modality 3D Object Detection [63.29935886648709]
本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。
アーキテクチャ全体が2段階の融合を促進する。
KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
論文 参考訳（メタデータ） (2020-08-16T11:01:20Z) - Hyperspectral Image Super-resolution via Deep Progressive Zero-centric
Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。
本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。
本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文 参考訳（メタデータ） (2020-06-18T06:32:11Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。