論文の概要: Hyperspectral Band Selection based on Generalized 3DTV and Tensor CUR Decomposition
- arxiv url: http://arxiv.org/abs/2405.00951v1
- Date: Thu, 2 May 2024 02:23:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-03 18:14:01.338807
- Title: Hyperspectral Band Selection based on Generalized 3DTV and Tensor CUR Decomposition
- Title(参考訳): 一般化3DTVとテンソルCUR分解に基づくハイパースペクトル帯域選択
- Authors: Katherine Henneberger, Jing Qin,
- Abstract要約: ハイパースペクトルイメージングはリモートセンシングにおいて重要な技術である。
高次元とデータボリュームは、重大な計算上の課題を生じさせる。
データを低ランクで滑らかな成分とスパース成分に分解することで,新しいスペクトル帯域選択モデルを提案する。
- 参考スコア(独自算出の注目度): 8.812294191190896
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral Imaging (HSI) serves as an important technique in remote sensing. However, high dimensionality and data volume typically pose significant computational challenges. Band selection is essential for reducing spectral redundancy in hyperspectral imagery while retaining intrinsic critical information. In this work, we propose a novel hyperspectral band selection model by decomposing the data into a low-rank and smooth component and a sparse one. In particular, we develop a generalized 3D total variation (G3DTV) by applying the $\ell_1^p$-norm to derivatives to preserve spatial-spectral smoothness. By employing the alternating direction method of multipliers (ADMM), we derive an efficient algorithm, where the tensor low-rankness is implied by the tensor CUR decomposition. We demonstrate the effectiveness of the proposed approach through comparisons with various other state-of-the-art band selection techniques using two benchmark real-world datasets. In addition, we provide practical guidelines for parameter selection in both noise-free and noisy scenarios.
- Abstract(参考訳): ハイパースペクトルイメージング(HSI)はリモートセンシングにおいて重要な技術である。
しかし、高次元とデータボリュームは典型的に重要な計算課題を生じさせる。
帯域選択は、内在的臨界情報を保持しながら、高スペクトル像のスペクトル冗長性を低減するために不可欠である。
本研究では、データを低ランクで滑らかな成分とスパース成分に分解することで、新しい超スペクトル帯選択モデルを提案する。
特に,空間-スペクトルの滑らかさを維持するために$\ell_1^p$-normを導関数に適用することにより,一般化された3次元全変動(G3DTV)を開発する。
乗算器の交互方向法(ADMM)を用いることで、テンソルの低ランク性をテンソルCUR分解によって示唆する効率的なアルゴリズムを導出する。
提案手法の有効性を,2つのベンチマーク実世界のデータセットを用いて,様々な最先端バンド選択手法との比較により示す。
さらに,雑音のないシナリオとノイズの多いシナリオの両方において,パラメータ選択の実践的ガイドラインを提供する。
関連論文リスト
- N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。
N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。
本手法は, 視認性, 深度, 外観特性を忠実に近似する。
論文 参考訳(メタデータ) (2024-05-25T13:54:34Z) - SD-MVS: Segmentation-Driven Deformation Multi-View Stereo with Spherical
Refinement and EM optimization [6.886220026399106]
テクスチャレス領域の3次元再構成における課題を解決するために,多視点ステレオ (SD-MVS) を導入する。
私たちは、シーン内のセグメンテーションインスタンスを区別するためにSAM(Segment Anything Model)を採用した最初の人です。
球面座標と正規点の勾配勾配と深度の画素方向探索間隔を組み合わせた独自の精細化戦略を提案する。
論文 参考訳(メタデータ) (2024-01-12T05:25:57Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳(メタデータ) (2023-12-04T18:59:55Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳(メタデータ) (2022-09-22T07:50:48Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳(メタデータ) (2022-07-06T21:40:59Z) - A distribution-dependent Mumford-Shah model for unsupervised
hyperspectral image segmentation [3.2116198597240846]
本稿では、新しい教師なしハイパースペクトルセグメンテーションフレームワークを提案する。
これは、MNF(Minimum Noise Fraction)変換によって、デノゲーションと次元の低減ステップから始まる。
我々は、高スペクトルデータの課題に対処するために、新しい頑健な分布依存型インジケータ機能を備えたMS関数を実装した。
論文 参考訳(メタデータ) (2022-03-28T19:57:14Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳(メタデータ) (2022-01-29T10:54:57Z) - 2D+3D facial expression recognition via embedded tensor manifold
regularization [16.98176664818354]
2D+3次元表情認識(FERETMR)のための埋め込みテンソル多様体正規化による新しい手法を提案する。
定常点の観点から一階最適条件を確立し、収束解析によるブロック座標降下(BCD)アルゴリズムを設計する。
BU-3DFEデータベースとBosphorusデータベースの数値計算結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-01-29T06:11:00Z) - Range Conditioned Dilated Convolutions for Scale Invariant 3D Object
Detection [41.59388513615775]
本稿では,LiDARデータをそのネイティブ表現(範囲画像)に直接処理する新しい3Dオブジェクト検出フレームワークを提案する。
2D畳み込みは、レンジ画像のコンパクト性から、シーンの高密度LiDARデータを効率的に処理することができる。
論文 参考訳(メタデータ) (2020-05-20T09:24:43Z) - Spatial-Spectral Residual Network for Hyperspectral Image
Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。
提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。
各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文 参考訳(メタデータ) (2020-01-14T03:34:55Z)
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。