論文の概要: MuS2: A Benchmark for Sentinel-2 Multi-Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2210.02745v1
- Date: Thu, 6 Oct 2022 08:29:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 17:28:43.287101
- Title: MuS2: A Benchmark for Sentinel-2 Multi-Image Super-Resolution
- Title（参考訳）: MuS2:Sentinel-2マルチイメージ超解法のベンチマーク
- Authors: Pawel Kowaleczko, Tomasz Tarasiewicz, Maciej Ziaja, Daniel Kostrzewa,
Jakub Nalepa, Przemyslaw Rokita, Michal Kawulok
- Abstract要約: センチネル2データを含む衛星画像の空間分解能の不足は、多くの実用的なユースケースにおいて深刻な限界である。
超高解像度リコンストラクションはリモートセンシングコミュニティからかなりの注目を集めている。
我々は,Sentinel-2画像のマルチイメージ超解像再構成のための新しいMuS2ベンチマークを提案する。
- 参考スコア（独自算出の注目度）: 6.480645418615952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Insufficient spatial resolution of satellite imagery, including Sentinel-2
data, is a serious limitation in many practical use cases. To mitigate this
problem, super-resolution reconstruction is receiving considerable attention
from the remote sensing community. When it is performed from multiple images
captured at subsequent revisits, it may benefit from information fusion,
leading to enhanced reconstruction accuracy. One of the obstacles in
multi-image super-resolution consists in the scarcity of real-life benchmark
datasets -- most of the research was performed for simulated data which do not
fully reflect the operating conditions. In this letter, we introduce a new MuS2
benchmark for multi-image super-resolution reconstruction of Sentinel-2 images,
with WorldView-2 imagery used as the high-resolution reference. Within MuS2, we
publish the first end-to-end evaluation procedure for this problem which we
expect to help the researchers in advancing the state of the art in multi-image
super-resolution for Sentinel-2 imagery.
- Abstract（参考訳）: センチネル2データを含む衛星画像の不十分な空間分解能は、多くの実用的なユースケースにおいて深刻な限界である。
この問題を軽減するため,超高解像度再構築はリモートセンシングコミュニティから大きな注目を集めている。
その後の改訂で撮影された複数の画像から撮影された場合、情報融合の恩恵を受け、再構築精度が向上する。
マルチイメージ・スーパーレゾリューションの障害の1つは、実生活のベンチマークデータセットが不足していることである。
本稿では,高解像度参照としてWorldView-2画像を用いた,Sentinel-2画像のマルチイメージ超解像再構成のための新しい MuS2 ベンチマークを提案する。
MuS2 内では,この問題に対する最初のエンドツーエンド評価手順を公開し,研究者がSentinel-2 画像のマルチイメージ超解像の最先端化に役立てることを期待している。
関連論文リスト
- Self-Supervised Learning for Real-World Super-Resolution from Dual and Multiple Zoomed Observations [61.448005005426666]
スマートフォン用レファレンスベーススーパーレゾリューション(RefSR)における2つの課題について考察する。
本稿では,デュアルカメラとマルチカメラのズームで観測した実世界のRefSRに対して,新たな自己教師型学習手法を提案する。
論文 参考訳（メタデータ） (2024-05-03T15:20:30Z) - Cross-sensor super-resolution of irregularly sampled Sentinel-2 time series [2.9748898344267785]
本稿では,Sentinel-2時系列の4倍超解像のための新しいデータセットであるBrizhSRを紹介する。
複数の画像を使用することで,超解像性能が大幅に向上することを示す。
再建したHR画像のスペクトル忠実度と知覚品質のトレードオフを観察する。
論文 参考訳（メタデータ） (2024-04-25T08:36:09Z) - On The Role of Alias and Band-Shift for Sentinel-2 Super-Resolution [5.897281612951907]
本研究では,Sentinel-2画像の単一画像超解像(SISR)問題について検討する。
我々は、バンド間シフトとエイリアスというユニークなセンサー仕様のおかげで、ディープラーニングの手法が細部を再現できることを示す。
論文 参考訳（メタデータ） (2023-02-22T17:08:45Z) - Multitemporal and multispectral data fusion for super-resolution of
Sentinel-2 images [11.169492436455423]
DeepSentは、Sentinel-2画像のマルチテンポラリ時系列を超解凍する新しいディープネットワークである。
提案手法は,マルチテンポラル・マルチスペクトルデータ融合を実現する他の最先端技術よりも優れていることを示す。
我々は,実世界のSentinel-2画像の超解像化に本手法を適用し,全スペクトル帯域の空間分解能を3.3mの地中サンプリング距離に向上させた。
論文 参考訳（メタデータ） (2023-01-26T15:01:25Z) - Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
本稿では,C2-Matchingを提案する。
C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。
また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
論文 参考訳（メタデータ） (2022-12-19T16:15:02Z) - Multi-Spectral Multi-Image Super-Resolution of Sentinel-2 with
Radiometric Consistency Losses and Its Effect on Building Delineation [23.025397327720874]
マルチスペクトルリモートセンシング画像にMISR(Multi-image Super- resolution)を適用した最初の結果を示す。
我々は,MISRが画像の忠実度測定値において,単一画像の超解像やその他のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-05T02:49:04Z) - Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。
提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。
実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
論文 参考訳（メタデータ） (2021-09-03T07:17:31Z) - Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。
既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。
本稿では,C2-Matchingを提案する。
論文 参考訳（メタデータ） (2021-06-03T16:40:36Z) - 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) - HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of
Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。
これは、地球上の人間の影響を衛星で観測する上で重要である。
我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文 参考訳（メタデータ） (2020-02-15T22:17:47Z)
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。