Fugu-MT 論文翻訳(概要): Cross-sensor super-resolution of irregularly sampled Sentinel-2 time series

論文の概要: Cross-sensor super-resolution of irregularly sampled Sentinel-2 time series

arxiv url: http://arxiv.org/abs/2404.16409v1
Date: Thu, 25 Apr 2024 08:36:09 GMT
ステータス: 処理完了
システム内更新日: 2024-04-26 14:28:55.234004
Title: Cross-sensor super-resolution of irregularly sampled Sentinel-2 time series
Title（参考訳）: 不規則サンプリングされたSentinel-2時系列のクロスセンサ超解像
Authors: Aimi Okabayashi, Nicolas Audebert, Simon Donike, Charlotte Pelletier,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.9748898344267785
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Satellite imaging generally presents a trade-off between the frequency of acquisitions and the spatial resolution of the images. Super-resolution is often advanced as a way to get the best of both worlds. In this work, we investigate multi-image super-resolution of satellite image time series, i.e. how multiple images of the same area acquired at different dates can help reconstruct a higher resolution observation. In particular, we extend state-of-the-art deep single and multi-image super-resolution algorithms, such as SRDiff and HighRes-net, to deal with irregularly sampled Sentinel-2 time series. We introduce BreizhSR, a new dataset for 4x super-resolution of Sentinel-2 time series using very high-resolution SPOT-6 imagery of Brittany, a French region. We show that using multiple images significantly improves super-resolution performance, and that a well-designed temporal positional encoding allows us to perform super-resolution for different times of the series. In addition, we observe a trade-off between spectral fidelity and perceptual quality of the reconstructed HR images, questioning future directions for super-resolution of Earth Observation data.
Abstract（参考訳）: 衛星画像は一般的に、取得頻度と画像の空間分解能のトレードオフを示す。超解像は、両方の世界を最大限に活用する方法としてしばしば進歩している。本研究では、衛星画像時系列のマルチイメージ超解像、すなわち、異なる日に取得した同じ領域の複数の画像が、高解像度の観測を再現するのに役立つかを調査する。特に、SRDiffやHighRes-netのような最先端のディープ・シングル・マルチイメージ・スーパーレゾリューション・アルゴリズムを拡張し、不規則にサンプリングされたSentinel-2時系列を扱う。本稿では,フランスのブルターニュの超高解像度SPOT-6画像を用いた,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し、よく設計された時間的位置符号化により、シリーズの異なる時間で超解像を実現できることを示す。さらに、再構成された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し、地球観測データの超解像化に向けた今後の方向性を疑問視する。

関連論文リスト

SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
論文参考訳（メタデータ） (2024-06-14T17:58:28Z)
SSIF: Learning Continuous Image Representation for Spatial-Spectral Super-Resolution [73.46167948298041]
本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。 SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
論文参考訳（メタデータ） (2023-09-30T15:23:30Z)
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)
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)
Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文参考訳（メタデータ） (2022-05-07T23:40:36Z)
Look Back and Forth: Video Super-Resolution with Explicit Temporal Difference Modeling [105.69197687940505]
本稿では,LR空間とHR空間における時間差の明示的モデル化の役割について検討する。超解像結果をさらに高めるために、空間残留特徴を抽出するだけでなく、高周波領域における連続フレーム間の差も計算する。
論文参考訳（メタデータ） (2022-04-14T17:07:33Z)
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)
TWIST-GAN: Towards Wavelet Transform and Transferred GAN for Spatio-Temporal Single Image Super Resolution [4.622977798361014]
単一画像スーパーレゾリューション(sisr)は、空間解像度の低いリモートセンシング画像から、微細な空間解像度を持つ高解像度画像を生成する。深層学習とGAN(Generative Adversarial Network)は、単一画像超解像(SISR)の課題を突破した。
論文参考訳（メタデータ） (2021-04-20T22:12:38Z)
Fast and High-Quality Blind Multi-Spectral Image Pansharpening [48.68143888901669]
ブラインドパンスハーピングへの迅速なアプローチを提案し、最新の画像再構築品質を実現します。速い盲目のpansharpeningを達成するために、私達はぼかしのカーネルおよびHRMSのイメージの解決を分離します。アルゴリズムは計算時間と再構成品質の両面で最先端のモデルベースを上回っている。
論文参考訳（メタデータ） (2021-03-17T23:12:14Z)
Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文参考訳（メタデータ） (2020-06-18T06:32:11Z)
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。