Fugu-MT 論文翻訳(概要): On The Role of Alias and Band-Shift for Sentinel-2 Super-Resolution

論文の概要: On The Role of Alias and Band-Shift for Sentinel-2 Super-Resolution

arxiv url: http://arxiv.org/abs/2302.11494v2
Date: Mon, 17 Apr 2023 16:24:05 GMT
ステータス: 処理完了
システム内更新日: 2023-04-18 20:53:00.068331
Title: On The Role of Alias and Band-Shift for Sentinel-2 Super-Resolution
Title（参考訳）: センチネル-2超解離におけるエイリアスとバンドシフトの役割について
Authors: Ngoc Long Nguyen, J\'er\'emy Anger, Lara Raad, Bruno Galerne, Gabriele Facciolo
Abstract要約: 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。
参考スコア（独自算出の注目度）: 5.897281612951907
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we study the problem of single-image super-resolution (SISR) of Sentinel-2 imagery. We show that thanks to its unique sensor specification, namely the inter-band shift and alias, that deep-learning methods are able to recover fine details. By training a model using a simple $L_1$ loss, results are free of hallucinated details. For this study, we build a dataset of pairs of images Sentinel-2/PlanetScope to train and evaluate our super-resolution (SR) model.
Abstract（参考訳）: 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詳細を再現できることを示した。単純な$L_1$ロスを使ってモデルをトレーニングすることで、結果は幻覚的な詳細がなくなる。本研究では,sentinel-2/planetscope画像対のデータセットを構築し,超分解能モデル(sr)の学習と評価を行った。

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)
L1BSR: Exploiting Detector Overlap for Self-Supervised Single-Image Super-Resolution of Sentinel-2 L1B Imagery [14.233972890133769]
高解像度衛星画像は、多くの地球観測アプリケーションにとって重要な要素である。信頼性の高い高解像度基底真理の欠如は、このタスクへのディープラーニング手法の適用を制限する。 L1BSRは,Sentinel-2 L1B 10m帯の単一像超解像およびバンドアライメントのための深層学習に基づく手法である。
論文参考訳（メタデータ） (2023-04-14T00:17:57Z)
MuS2: A Benchmark for Sentinel-2 Multi-Image Super-Resolution [6.480645418615952]
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。
論文参考訳（メタデータ） (2022-10-06T08:29:54Z)
Real-World Image Super-Resolution by Exclusionary Dual-Learning [98.36096041099906]
実世界の画像超解像は,高品質な画像を得るための実用的な画像復元問題である。深層学習に基づく手法は、現実世界の超解像データセットの復元に期待できる品質を実現している。本稿では,RWSR-EDL(Real-World Image Super-Resolution by Exclusionary Dual-Learning)を提案する。
論文参考訳（メタデータ） (2022-06-06T13:28:15Z)
Self-Supervised Learning for Real-World Super-Resolution from Dual Zoomed Observations [66.09210030518686]
デュアルカメラズーム(SelfDZSR)で観測した実世界のRefSRに対する新しい自己教師型学習手法を提案する。最初の問題として、よりズームされた(望遠的な)画像は、より少ないズームされた(短焦点)画像のSRをガイドする参照として自然に利用することができる。 2つ目の問題として、セルフDZSRは、短焦点画像のSR結果を得るための深層ネットワークを、望遠画像と同じ解像度で学習する。
論文参考訳（メタデータ） (2022-03-02T13:30:56Z)
Self-supervised pre-training enhances change detection in Sentinel-2 imagery [10.245231210675938]
我々は,世界中の1520都市地域の複数時間画像ペアを含むSentinel-2 Multitemporal Cities Pairs(S2MTCP)データセットを構築し,公開する。変更検出のための事前学習モデルのための複数の自己監視学習方法の結果をテストし、Sentinel-2イメージペア(OSCD)からなるパブリックチェンジ検出データセットに適用する。
論文参考訳（メタデータ） (2021-01-20T13:47:25Z)
Semi-Supervised StyleGAN for Disentanglement Learning [79.01988132442064]
現在の解離法は、いくつかの固有の制限に直面している。半教師付き高分解能ディスタングル学習のためのStyleGANに基づく新しいアーキテクチャと損失関数を設計する。
論文参考訳（メタデータ） (2020-03-06T22:54:46Z)
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。