論文の概要: Deep dual stream residual network with contextual attention for pansharpening of remote sensing images

• arxiv url: http://arxiv.org/abs/2207.12004v1
• Date: Mon, 25 Jul 2022 09:28:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 15:41:58.920208
• Title: Deep dual stream residual network with contextual attention for pansharpening of remote sensing images
• Title（参考訳）: リモートセンシング画像のパンスハーペン化のための文脈的注意を伴うディープダブルストリーム残差ネットワーク
• Authors: Syeda Roshana Ali, Anis Ur Rahman, Muhammad Shahzad
• Abstract要約: 本稿では,新しい2重注意型2ストリームネットワークを提案する。 まず、両方の画像に対して2つの別々のネットワークを使って特徴抽出し、抽出した特徴を再分類するアテンション機構を備えたエンコーダから始める。 次に、コンパクトな表現を形成する特徴を画像再構成ネットワークに融合してパンシャーペン画像を生成する。
• 参考スコア（独自算出の注目度）: 2.210012031884757
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pansharpening enhances spatial details of high spectral resolution multispectral images using features of high spatial resolution panchromatic image. There are a number of traditional pansharpening approaches but producing an image exhibiting high spectral and spatial fidelity is still an open problem. Recently, deep learning has been used to produce promising pansharpened images; however, most of these approaches apply similar treatment to both multispectral and panchromatic images by using the same network for feature extraction. In this work, we present present a novel dual attention-based two-stream network. It starts with feature extraction using two separate networks for both images, an encoder with attention mechanism to recalibrate the extracted features. This is followed by fusion of the features forming a compact representation fed into an image reconstruction network to produce a pansharpened image. The experimental results on the Pl\'{e}iades dataset using standard quantitative evaluation metrics and visual inspection demonstrates that the proposed approach performs better than other approaches in terms of pansharpened image quality.
• Abstract（参考訳）: パンシャーペニングは高分解能マルチスペクトル画像の空間的詳細を高分解能パンクロマティック画像の特徴を用いて拡張する。 伝統的なパンシャープ化アプローチはいくつかあるが、高いスペクトルと空間的忠実性を示す画像を生成することは、まだ未解決の問題である。 近年,深層学習は有望なパンシャープ画像の生成に利用されてきたが,これらの手法の多くは特徴抽出に同じネットワークを用いてマルチスペクトル画像とパンクロマティック画像の両方に類似した処理を施している。 本稿では,新しい2重注意型2ストリームネットワークを提案する。 まず、両方の画像に対して2つの別々のネットワークを使って特徴抽出し、抽出した特徴を再分類するアテンション機構を備えたエンコーダから始める。 次に、コンパクトな表現を形成する特徴を画像再構成ネットワークに融合してパンシャーペン画像を生成する。 標準的な定量的評価指標と視覚検査を用いたPl\'{e}iadesデータセットの実験結果から,提案手法がパンシャープ画像品質の点で他の手法よりも優れていることを示す。

関連論文リスト

• PanBench: Towards High-Resolution and High-Performance Pansharpening [16.16122045172545]
  パンシャーペニングでは、高解像度のマルチスペクトル画像と高解像度のパンクロマティック画像を統合することで、高解像度で多スペクトル情報を保持するイメージを合成する。 本稿では,主眼衛星を含む高解像度マルチシーンデータセットであるPanBenchを紹介する。 高忠実度合成を実現するために,Pansharpening のための Cascaded Multiscale Fusion Network (CMFNet) を提案する。
  論文  参考訳（メタデータ） (2023-11-20T10:57:23Z)
• 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)
• Single Stage Virtual Try-on via Deformable Attention Flows [51.70606454288168]
  仮想試行は、ショップ内服と基準人物画像が与えられた写真リアルなフィッティング結果を生成することを目的としている。 マルチフロー推定に変形性アテンションスキームを適用した,変形性アテンションフロー(DAFlow)を新たに開発した。 提案手法は,定性的かつ定量的に最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-07-19T10:01:31Z)
• Cross-View Panorama Image Synthesis [68.35351563852335]
  PanoGANは、新しい敵対的フィードバックGANフレームワークである。 PanoGANは、最先端のアプローチよりもより説得力のある、高品質なパノラマ画像生成を可能にする。
  論文  参考訳（メタデータ） (2022-03-22T15:59:44Z)
• 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)
• Deep Gradient Projection Networks for Pan-sharpening [20.929492740317915]
  本稿では,モデルに基づくディープパンシャーピング手法を提案する。 2つのブロックを積み重ねることで、グラデーションプロジェクションベースのパンスハーピングニューラルネットワークと呼ばれる新しいネットワークが構築される。 さまざまな種類の衛星データセットの実験結果は、新しいネットワークが視覚的および定量的に最先端の方法よりも優れていることを示しています。
  論文  参考訳（メタデータ） (2021-03-08T07:51:58Z)
• Learning deep multiresolution representations for pansharpening [4.469255274378329]
  本稿では,異なるスケールでスペクトル特性と空間特性を保持するピラミッド型深層融合フレームワークを提案する。 実験により,提案手法はアートパンシャープニングモデルよりも優れていることが示唆された。
  論文  参考訳（メタデータ） (2021-02-16T19:41:57Z)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定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） (2020-03-27T21:28:54Z)
• Pyramidal Edge-maps and Attention based Guided Thermal Super-resolution [28.798966778371145]
  可視領域画像を用いた熱画像の誘導超解像(GSR)は、画像間のスペクトル範囲の違いにより困難である。 可視画像から抽出したピラミッド状エッジマップに基づくGSRの新しいアルゴリズムを提案する。 我々のモデルは、定量的にも定性的にも、最先端のGSR法よりも優れています。
  論文  参考訳（メタデータ） (2020-03-13T12:11:26Z)

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。