論文の概要: Beyond the Visible: Jointly Attending to Spectral and Spatial Dimensions with HSI-Diffusion for the FINCH Spacecraft
- arxiv url: http://arxiv.org/abs/2406.10724v1
- Date: Sat, 15 Jun 2024 19:34:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-18 23:04:22.082676
- Title: Beyond the Visible: Jointly Attending to Spectral and Spatial Dimensions with HSI-Diffusion for the FINCH Spacecraft
- Title(参考訳): 可視性を超えて:FINCH宇宙船のためのHSI拡散による分光・空間次元の同時観測
- Authors: Ian Vyse, Rishit Dagli, Dav Vrat Chadha, John P. Ma, Hector Chen, Isha Ruparelia, Prithvi Seran, Matthew Xie, Eesa Aamer, Aidan Armstrong, Naveen Black, Ben Borstein, Kevin Caldwell, Orrin Dahanaggamaarachchi, Joe Dai, Abeer Fatima, Stephanie Lu, Maxime Michet, Anoushka Paul, Carrie Ann Po, Shivesh Prakash, Noa Prosser, Riddhiman Roy, Mirai Shinjo, Iliya Shofman, Coby Silayan, Reid Sox-Harris, Shuhan Zheng, Khang Nguyen,
- Abstract要約: FINCHミッションは、農地の作物の残留物を監視することを目的としている。
ハイパースペクトルイメージングは、スペクトル情報と空間情報の両方をキャプチャする。
ランダムノイズ、ストライプノイズ、デッドピクセルなど、様々な種類のノイズが生じる傾向がある。
- 参考スコア(独自算出の注目度): 2.5057561650768814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Satellite remote sensing missions have gained popularity over the past fifteen years due to their ability to cover large swaths of land at regular intervals, making them ideal for monitoring environmental trends. The FINCH mission, a 3U+ CubeSat equipped with a hyperspectral camera, aims to monitor crop residue cover in agricultural fields. Although hyperspectral imaging captures both spectral and spatial information, it is prone to various types of noise, including random noise, stripe noise, and dead pixels. Effective denoising of these images is crucial for downstream scientific tasks. Traditional methods, including hand-crafted techniques encoding strong priors, learned 2D image denoising methods applied across different hyperspectral bands, or diffusion generative models applied independently on bands, often struggle with varying noise strengths across spectral bands, leading to significant spectral distortion. This paper presents a novel approach to hyperspectral image denoising using latent diffusion models that integrate spatial and spectral information. We particularly do so by building a 3D diffusion model and presenting a 3-stage training approach on real and synthetically crafted datasets. The proposed method preserves image structure while reducing noise. Evaluations on both popular hyperspectral denoising datasets and synthetically crafted datasets for the FINCH mission demonstrate the effectiveness of this approach.
- Abstract(参考訳): 衛星リモートセンシングミッションは、定期的に広い土地をカバーできるため、過去15年間で人気を博し、環境トレンドのモニタリングに最適である。
FINCHミッションは、ハイパースペクトルカメラを備えた3U+CubeSatで、農地の作物の残留物を監視することを目的としている。
ハイパースペクトルイメージングは、スペクトル情報と空間情報の両方をキャプチャするが、ランダムノイズ、ストライプノイズ、デッドピクセルなど、様々な種類のノイズに傾向がある。
これらの画像の効果的な復調は下流の科学的タスクに不可欠である。
強い先行を符号化する手作りの技法、異なるスペクトル帯域で適用された2次元画像復調法、バンドで独立に適用された拡散生成モデルなどの伝統的な手法は、しばしばスペクトル帯域で異なるノイズ強度に悩まされ、大きなスペクトル歪みをもたらす。
本稿では,空間情報とスペクトル情報を統合した潜時拡散モデルを用いたハイパースペクトル画像のデノナイズ手法を提案する。
特に、3次元拡散モデルを構築し、実および合成されたデータセットに対して3段階のトレーニングアプローチを示す。
提案手法はノイズを低減しながら画像構造を保存する。
FINCHミッションの一般的な超スペクトル分解データセットと合成合成データセットの評価は、このアプローチの有効性を実証している。
関連論文リスト
- Trinity Detector:text-assisted and attention mechanisms based spectral fusion for diffusion generation image detection [3.8473504915778745]
Trinity Detectorは、CLIPエンコーダを通じて粗粒度のテキスト機能を組み込んで、ピクセル領域の細粒度のアーティファクトとコヒーレントに統合して、包括的なマルチモーダル検出を行う。
当社のパフォーマンスは、すべてのデータセットで競争力があり、拡散データセットの転送性は最大17.6%向上しています。
論文 参考訳(メタデータ) (2024-04-26T08:50:35Z) - Hyperspectral Neural Radiance Fields [11.485829401765521]
ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。
NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。
提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
論文 参考訳(メタデータ) (2024-03-21T21:18:08Z) - Multispectral Stereo-Image Fusion for 3D Hyperspectral Scene
Reconstruction [4.2056926734482065]
本稿では,異なるスペクトル範囲をカバーする2つの校正マルチスペクトルリアルタイム能動スナップショットカメラをステレオシステムに組み合わせた新しいアプローチを提案する。
異なるマルチスペクトルスナップショットカメラの併用により、3次元再構成とスペクトル解析の両方が可能となる。
論文 参考訳(メタデータ) (2023-12-15T13:20:35Z) - StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。
まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。
第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
論文 参考訳(メタデータ) (2023-12-02T02:27:58Z) - Object Detection in Hyperspectral Image via Unified Spectral-Spatial
Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。
S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文 参考訳(メタデータ) (2023-06-14T09:01:50Z) - Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。
本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。
RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
論文 参考訳(メタデータ) (2023-05-23T12:56:01Z) - Spectral Enhanced Rectangle Transformer for Hyperspectral Image
Denoising [64.11157141177208]
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。
論文 参考訳(メタデータ) (2023-04-03T09:42:13Z) - CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural
Representations [77.90883737693325]
本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。
これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。
さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
論文 参考訳(メタデータ) (2022-09-02T17:44:50Z) - FastHyMix: Fast and Parameter-free Hyperspectral Image Mixed Noise
Removal [20.043152870504738]
本稿では,高速かつパラメータフリーなハイパースペクトル画像混合ノイズ除去法(FastHyMix)を提案する。
これは、スペクトル領域における低ランク性と空間領域における高相関性という、ハイパースペクトルデータの2つの主要な特徴を利用する。
提案手法は,サブスペース表現とHSIの相関を利用して,より強力な深度画像を追加することで低ランク化を実現する。
論文 参考訳(メタデータ) (2021-09-18T08:35:45Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳(メタデータ) (2021-03-02T16:45:08Z) - Unsupervised Denoising for Satellite Imagery using Wavelet Subband
CycleGAN [30.114034122521122]
ウェーブレットサブバンドサイクル一貫性対向ネットワーク(WavCycleGAN)を用いた衛星画像の教師なしマルチスペクトル復調手法を提案する。
衛星画像センサにおける垂直ストライプと波動ノイズの除去実験の結果,提案手法が効果的にノイズを除去し,衛星画像の重要な高周波特性を保存できることが示されている。
論文 参考訳(メタデータ) (2020-02-23T07:11:05Z)
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。