論文の概要: Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising

• arxiv url: http://arxiv.org/abs/2304.00844v1
• Date: Mon, 3 Apr 2023 09:42:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 15:59:02.936311
• Title: Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising
• Title（参考訳）: ハイパースペクトル画像復調用スペクトル強調矩形変換器
• Authors: Miaoyu Li, Ji Liu, Ying Fu, Yulun Zhang and Dejing Dou
• Abstract要約: ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
• 参考スコア（独自算出の注目度）: 64.11157141177208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Denoising is a crucial step for hyperspectral image (HSI) applications. Though witnessing the great power of deep learning, existing HSI denoising methods suffer from limitations in capturing the non-local self-similarity. Transformers have shown potential in capturing long-range dependencies, but few attempts have been made with specifically designed Transformer to model the spatial and spectral correlation in HSIs. In this paper, we address these issues by proposing a spectral enhanced rectangle Transformer, driving it to explore the non-local spatial similarity and global spectral low-rank property of HSIs. For the former, we exploit the rectangle self-attention horizontally and vertically to capture the non-local similarity in the spatial domain. For the latter, we design a spectral enhancement module that is capable of extracting global underlying low-rank property of spatial-spectral cubes to suppress noise, while enabling the interactions among non-overlapping spatial rectangles. Extensive experiments have been conducted on both synthetic noisy HSIs and real noisy HSIs, showing the effectiveness of our proposed method in terms of both objective metric and subjective visual quality. The code is available at https://github.com/MyuLi/SERT.
• Abstract（参考訳）: ノイズ除去は、ハイパースペクトル画像(hsi)アプリケーションにとって重要なステップである。 深層学習の強大な力を目撃する一方で、既存のhsi分類法は、非局所的自己相似性を捉える上での限界に苦しむ。 トランスフォーマーは長距離依存を捕捉する可能性を示しているが、HSIの空間的およびスペクトル的相関をモデル化するために特別に設計されたトランスフォーマーを用いた試みはほとんど行われていない。 本稿では,スペクトル拡張矩形変圧器を提案し,hsisの非局所空間的類似性と大域的スペクトル低ランク性について検討する。 前者については,空間領域における非局所的類似性を捉えるために,直方体自己付着を水平および垂直に活用する。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,重なり合わない空間長方形間の相互作用を可能とし,雑音を抑制するスペクトル拡張モジュールを設計する。 合成ノイズHSIと実雑音HSIを併用して広汎な実験を行い,本手法の有効性を客観的な計測値と主観的視覚的品質の両方の観点から示した。 コードはhttps://github.com/myuli/sertで入手できる。

関連論文リスト

• Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
  AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。 実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Hybrid Spatial-spectral Neural Network for Hyperspectral Image Denoising [10.588958070064916]
  本稿では,CNNとTransformer特性にインスパイアされたハイブリッド空間スペクトル復調ネットワークを提案する。 提案手法は空間的およびスペクトル的再構成における最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-06-13T03:27:01Z)
• Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral Image Denoising [9.119226249676501]
  ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。 HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。 本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
  論文  参考訳（メタデータ） (2023-05-06T13:28:20Z)
• Hybrid Spectral Denoising Transformer with Guided Attention [34.34075175179669]
  ハイブリットスペクトルデノナイジング用ハイブリットスペクトルデノナイジングトランス(HSDT)を提案する。 我々のHSDTは、計算オーバーヘッドを低く保ちながら、既存の最先端手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-03-16T02:24:31Z)
• Spatial-Spectral Transformer for Hyperspectral Image Denoising [31.86587556847128]
  ハイパースペクトル画像(HSI)は、その後のHSIアプリケーションにとって重要な前処理手順である。 既存の畳み込みに基づく手法は、HSIの非局所特性をモデル化する計算効率と能力のトレードオフに直面している。 この問題を軽減するための空間スペクトル変換器(SST)を提案する。
  論文  参考訳（メタデータ） (2022-11-25T13:18:45Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
  本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。 我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。 シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-08T11:48:46Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)

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。