論文の概要: DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic
Correlation Diffusion Model
- arxiv url: http://arxiv.org/abs/2305.12410v1
- Date: Sun, 21 May 2023 09:21:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 20:44:45.426127
- Title: DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic
Correlation Diffusion Model
- Title(参考訳): DiffUCD:意味相関拡散モデルを用いた教師なしハイパースペクトル画像変化検出
- Authors: Xiangrong Zhang, Shunli Tian, Guanchun Wang, Huiyu Zhou, and Licheng
Jiao
- Abstract要約: ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。
意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。
提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
- 参考スコア(独自算出の注目度): 46.68717345017946
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral image change detection (HSI-CD) has emerged as a crucial
research area in remote sensing due to its ability to detect subtle changes on
the earth's surface. Recently, diffusional denoising probabilistic models
(DDPM) have demonstrated remarkable performance in the generative domain. Apart
from their image generation capability, the denoising process in diffusion
models can comprehensively account for the semantic correlation of
spectral-spatial features in HSI, resulting in the retrieval of semantically
relevant features in the original image. In this work, we extend the diffusion
model's application to the HSI-CD field and propose a novel unsupervised HSI-CD
with semantic correlation diffusion model (DiffUCD). Specifically, the semantic
correlation diffusion model (SCDM) leverages abundant unlabeled samples and
fully accounts for the semantic correlation of spectral-spatial features, which
mitigates pseudo change between multi-temporal images arising from inconsistent
imaging conditions. Besides, objects with the same semantic concept at the same
spatial location may exhibit inconsistent spectral signatures at different
times, resulting in pseudo change. To address this problem, we propose a
cross-temporal contrastive learning (CTCL) mechanism that aligns the spectral
feature representations of unchanged samples. By doing so, the spectral
difference invariant features caused by environmental changes can be obtained.
Experiments conducted on three publicly available datasets demonstrate that the
proposed method outperforms the other state-of-the-art unsupervised methods in
terms of Overall Accuracy (OA), Kappa Coefficient (KC), and F1 scores,
achieving improvements of approximately 3.95%, 8.13%, and 4.45%, respectively.
Notably, our method can achieve comparable results to those fully supervised
methods requiring numerous annotated samples.
- Abstract(参考訳): ハイパースペクトル画像変化検出(HSI-CD)は、地球表面の微妙な変化を検出する能力により、リモートセンシングにおいて重要な研究領域となっている。
近年,拡散復調確率モデル (DDPM) は生成領域において顕著な性能を示した。
画像生成能力とは別に、拡散モデルにおける分極過程は、HSIにおけるスペクトル空間的特徴のセマンティックな相関を包括的に説明することができ、結果として元の画像における意味論的特徴の検索が可能となる。
本研究では,拡散モデルの適用範囲をHSI-CDフィールドに拡張し,意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。
具体的には、意味相関拡散モデル(SCDM)は、豊富なラベル付きサンプルを活用し、スペクトル空間的特徴のセマンティック相関を十分に考慮し、不整合撮像条件から生じる多重時間画像間の擬似変化を緩和する。
さらに、同じ空間位置で同じ意味概念を持つオブジェクトは、異なるタイミングで矛盾するスペクトルシグネチャを示し、擬似的な変化をもたらす。
この問題に対処するために,不規則なサンプルのスペクトル特徴表現を整列する横断的コントラスト学習(CTCL)機構を提案する。
これにより、環境変化に起因するスペクトル差不変特性を得ることができる。
3つの公開データセットで実施された実験により、提案手法は、総合的精度(OA)、カッパ係数(KC)、F1スコアにおいて、他の最先端の教師なし手法よりも優れており、それぞれ約3.95%、8.13%、および4.45%の改善が達成されている。
特に,本手法は,多数の注釈サンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
関連論文リスト
- DiffSpectralNet : Unveiling the Potential of Diffusion Models for
Hyperspectral Image Classification [6.521187080027966]
我々は拡散と変圧器技術を組み合わせたDiffSpectralNetと呼ばれる新しいネットワークを提案する。
まず,拡散モデルに基づく教師なし学習フレームワークを用いて,高レベル・低レベルのスペクトル空間的特徴を抽出する。
この拡散法はスペクトル空間の特徴を多様かつ有意義に抽出し,HSI分類の改善につながる。
論文 参考訳(メタデータ) (2023-10-29T15:26:37Z) - SDDM: Score-Decomposed Diffusion Models on Manifolds for Unpaired
Image-to-Image Translation [96.11061713135385]
本研究は,画像生成時の絡み合った分布を明示的に最適化する,新しいスコア分解拡散モデルを提案する。
我々は、スコア関数の精製部分とエネルギー誘導を等しくし、多様体上の多目的最適化を可能にする。
SDDMは既存のSBDMベースの手法よりも優れており、I2Iベンチマークでは拡散ステップがはるかに少ない。
論文 参考訳(メタデータ) (2023-08-04T06:21:57Z) - SaaFormer: Spectral-spatial Axial Aggregation Transformer for
Hyperspectral Image Classification [2.4723464787484812]
地球の観測衛星や航空機から撮影したハイパースペクトル画像(HSI)は、農業、環境モニタリング、鉱業などの分野でますます重要になっている。
利用可能なハイパースペクトルデータセットが限られているため、ピクセル単位のランダムサンプリングは、最も一般的に使われているトレーニング-テストデータセット分割アプローチである。
データ漏洩の可能性を最小限に抑えるブロックワイズサンプリング法を提案する。
論文 参考訳(メタデータ) (2023-06-29T07:55:43Z) - Boosting Human-Object Interaction Detection with Text-to-Image Diffusion
Model [22.31860516617302]
本稿では,事前学習したテキスト画像拡散モデルに基づく新しいHOI検出方式であるDiffHOIを紹介する。
HOIデータセットのギャップを埋めるために、クラスバランス、大規模、高多様性の合成データセットであるSynHOIを提案する。
実験により、DiffHOIは通常の検出(41.50 mAP)とゼロショット検出において、最先端の技術を著しく上回っていることが示された。
論文 参考訳(メタデータ) (2023-05-20T17:59:23Z) - A Variational Perspective on Solving Inverse Problems with Diffusion
Models [101.831766524264]
逆タスクは、データ上の後続分布を推測するものとして定式化することができる。
しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。
そこで我々は,真の後続分布を近似する設計手法を提案する。
論文 参考訳(メタデータ) (2023-05-07T23:00:47Z) - DDS2M: Self-Supervised Denoising Diffusion Spatio-Spectral Model for
Hyperspectral Image Restoration [103.79030498369319]
ハイパースペクトル画像復元のための自己教師付き拡散モデルを提案する。
textttDDS2Mは、既存の拡散法と比較して、より強力な一般化能力を持っている。
HSIのノイズ除去、ノイズ除去、様々なHSIの超解像実験は、既存のタスク固有状態よりもtextttDDS2Mの方が優れていることを示した。
論文 参考訳(メタデータ) (2023-03-12T14:57:04Z) - SinDiffusion: Learning a Diffusion Model from a Single Natural Image [159.4285444680301]
SinDiffusionは1つの自然な画像からパッチの内部分布を捉えるためにデノナイズ拡散モデルを利用する。
SinDiffusionは、2つのコア設計に基づいている。まず、SinDiffusionは、段階的にスケールが成長する複数のモデルではなく、1つのスケールで1つのモデルで訓練されている。
第2に,拡散ネットワークのパッチレベルの受容領域は,画像のパッチ統計を捉える上で重要かつ効果的であることを示す。
論文 参考訳(メタデータ) (2022-11-22T18:00:03Z) - Multi-Temporal Spatial-Spectral Comparison Network for Hyperspectral
Anomalous Change Detection [32.23764287942984]
MTC-NET(Hyperspectral Anomalous Change Detection)のためのマルチテンポラル空間スペクトル比較ネットワークの提案を行った。
モデル全体はディープ・サイムズ・ネットワークであり、コントラスト学習により高スペクトル画像からの複雑な撮像条件から生じるスペクトル差を学習することを目的としている。
Viareggio 2013データセットの実験では、提案されたMCC-NETの有効性が示されている。
論文 参考訳(メタデータ) (2022-05-23T15:41:27Z) - Spectral Splitting and Aggregation Network for Hyperspectral Face
Super-Resolution [82.59267937569213]
高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。
本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。
限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
論文 参考訳(メタデータ) (2021-08-31T02:13:00Z)
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。