論文の概要: Automatic Spectral Calibration of Hyperspectral Images:Method, Dataset and Benchmark

• arxiv url: http://arxiv.org/abs/2412.14925v2
• Date: Fri, 20 Dec 2024 14:01:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 13:01:29.557334
• Title: Automatic Spectral Calibration of Hyperspectral Images:Method, Dataset and Benchmark
• Title（参考訳）: ハイパースペクトル画像の自動校正:方法,データセット,ベンチマーク
• Authors: Zhuoran Du, Shaodi You, Cheng Cheng, Shikui Wei,
• Abstract要約: ハイパースペクトル画像(HSI)は、空間と周波数領域の両方で世界を密にサンプリングする。 通常、HSIは様々な照明条件の影響を最小限に抑えるために校正する必要がある。 本稿では,HSIを自動的に校正する学習手法を提案する。
• 参考スコア（独自算出の注目度）: 17.983351900962663
• License:
• Abstract: Hyperspectral image (HSI) densely samples the world in both the space and frequency domain and therefore is more distinctive than RGB images. Usually, HSI needs to be calibrated to minimize the impact of various illumination conditions. The traditional way to calibrate HSI utilizes a physical reference, which involves manual operations, occlusions, and/or limits camera mobility. These limitations inspire this paper to automatically calibrate HSIs using a learning-based method. Towards this goal, a large-scale HSI calibration dataset is created, which has 765 high-quality HSI pairs covering diversified natural scenes and illuminations. The dataset is further expanded to 7650 pairs by combining with 10 different physically measured illuminations. A spectral illumination transformer (SIT) together with an illumination attention module is proposed. Extensive benchmarks demonstrate the SoTA performance of the proposed SIT. The benchmarks also indicate that low-light conditions are more challenging than normal conditions. The dataset and codes are available online:https://github.com/duranze/Automatic-spectral-calibration-of-HSI
• Abstract（参考訳）: ハイパースペクトル画像(HSI)は空間領域と周波数領域の両方で密に世界をサンプリングするので、RGB画像よりも顕著である。 通常、HSIは様々な照明条件の影響を最小限に抑えるために校正する必要がある。 従来のHSIの校正方法は、手動操作、オクルージョン、および/またはカメラモビリティの制限を含む物理参照を使用する。 これらの制限は,学習手法を用いてHSIを自動的に校正するきっかけとなった。 この目標に向けて、大規模なHSIキャリブレーションデータセットが作成され、765の高品質なHSIペアが、多様化した自然のシーンと照明をカバーしている。 データセットはさらに7650対に拡張され、物理的に測定された10種類の照明と組み合わせられる。 スペクトル照明変圧器(SIT)と照明注意モジュールを提案する。 大規模なベンチマークでは、提案したSITのSoTA性能が示されている。 ベンチマークでは、低照度条件は通常の条件よりも難しいことも示している。 データセットとコードはオンラインで入手できる:https://github.com/duranze/Automatic-spectral-calibration-of-HSI

関連論文リスト

• Test-time Training for Hyperspectral Image Super-resolution [95.38382633281398]
  ハイパースペクトル画像(HSI)超解像(SR)は、まだRGB画像SRの研究に遅れを取っている。 本研究では,この問題に対処するための新しいテストタイムトレーニング手法を提案する。 具体的には、より正確な擬似ラベルとより正確なLR-HR関係を生成する新しい自己学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-09-13T09:30:19Z)
• EigenSR: Eigenimage-Bridged Pre-Trained RGB Learners for Single Hyperspectral Image Super-Resolution [15.459253235077375]
  単一ハイパースペクトル画像超解像(単一HSI-SR)は、単一入力低解像度HSIの解像度を改善することを目的としている。 データ不足のボトルネックのため、シングルHSI-SRはRGBの自然画像よりもはるかに遅れている。 本稿では,まず事前学習したモデルを空間成分で微調整し,次に反復スペクトル正則化を用いて未知のHSIを推論する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） (2024-09-06T06:46:01Z)
• MixLight: Borrowing the Best of both Spherical Harmonics and Gaussian Models [69.39388799906409]
  既存の作業では、照明マップを生成したり、照明パラメータを回帰することによって照明を推定する。 本稿では,SHとSGの相補的特性を利用して,より完全な照明表現を実現するジョイントモデルであるMixLightを提案する。
  論文  参考訳（メタデータ） (2024-04-19T10:17:10Z)
• You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
  低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。 水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。 輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
  論文  参考訳（メタデータ） (2024-02-08T16:47:43Z)
• Hyperspectral Image Super Resolution with Real Unaligned RGB Guidance [11.711656319221072]
  異種特徴抽出,多段階特徴アライメント,注意的特徴融合を含むHSI融合ネットワークを提案する。 本手法は, 既存の単一画像と核融合による超解像法に対して, 定量的評価と視覚的比較において明らかに改善されている。
  論文  参考訳（メタデータ） (2023-02-13T11:56:45Z)
• Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method [51.30748775681917]
  低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。 我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。 第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T09:05:07Z)
• Low-Light Hyperspectral Image Enhancement [90.84144276935464]
  本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。 ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。 定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
  論文  参考訳（メタデータ） (2022-08-05T08:45:52Z)
• 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)
• Hyperspectral Image Super-Resolution in Arbitrary Input-Output Band Settings [1.2148588577240576]
  スペクトル帯域が狭いハイパースペクトル画像(HSI)は、豊富なスペクトル情報をキャプチャし、多くのコンピュータビジョンタスクに適している。 HSIの基本的な限界の1つは空間分解能の低さであり、この問題に対処するための超解像(SR)に関する最近の研究がいくつか提案されている。 本研究では,任意の数の入力帯域のピーク波長でHSI画像を取り込み,任意の数の出力帯域のピーク波長でスーパーリゾルドHSIを生成することができるメタラーニング型スーパーリゾリューション(MLSR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-19T03:32:28Z)
• Learning to Enhance Visual Quality via Hyperspectral Domain Mapping [8.365634649800658]
  SpecNetはスペクトルプロファイルを計算し、所定の画像の画素単位のダイナミックレンジ調整を推定する。 我々は、RGB画像から可視HSIを推測するために、自己スーパービジョンとスペクトルプロファイル正規化ネットワークを組み込んだ。
  論文  参考訳（メタデータ） (2021-02-10T13:27:34Z)

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。