論文の概要: From Image- to Pixel-level: Label-efficient Hyperspectral Image Reconstruction
- arxiv url: http://arxiv.org/abs/2503.06852v1
- Date: Mon, 10 Mar 2025 02:23:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-11 15:48:24.913672
- Title: From Image- to Pixel-level: Label-efficient Hyperspectral Image Reconstruction
- Title（参考訳）: Image-to Pixel-level: Label- efficient Hyperspectral Image Reconstruction
- Authors: Yihong Leng, Jiaojiao Li, Haitao Xu, Rui Song,
- Abstract要約: 画素レベルのスペクトル超解像(Pixel-SSR)パラダイムを導入し,RGBと点スペクトルから高スペクトル像を再構成する。
その利点にもかかわらず、Pixel-SSRは、1)ポイントスペクトルを欠いた新規シーンへの一般化可能性、2)再構成精度を高める効果的な情報抽出の2つの主要な課題を提示している。
- 参考スコア（独自算出の注目度）: 9.181668145020895
- License:
- Abstract: Current hyperspectral image (HSI) reconstruction methods primarily rely on image-level approaches, which are time-consuming to form abundant high-quality HSIs through imagers. In contrast, spectrometers offer a more efficient alternative by capturing high-fidelity point spectra, enabling pixel-level HSI reconstruction that balances accuracy and label efficiency. To this end, we introduce a pixel-level spectral super-resolution (Pixel-SSR) paradigm that reconstructs HSI from RGB and point spectra. Despite its advantages, Pixel-SSR presents two key challenges: 1) generalizability to novel scenes lacking point spectra, and 2) effective information extraction to promote reconstruction accuracy. To address the first challenge, a Gamma-modeled strategy is investigated to synthesize point spectra based on their intrinsic properties, including nonnegativity, a skewed distribution, and a positive correlation. Furthermore, complementary three-branch prompts from RGB and point spectra are extracted with a Dynamic Prompt Mamba (DyPro-Mamba), which progressively directs the reconstruction with global spatial distributions, edge details, and spectral dependency. Comprehensive evaluations, including horizontal comparisons with leading methods and vertical assessments across unsupervised and image-level supervised paradigms, demonstrate that ours achieves competitive reconstruction accuracy with efficient label consumption.
- Abstract（参考訳）: 現在のハイパースペクトル画像 (HSI) 再構成法は主に画像レベルのアプローチに依存しており、画像化によって高画質のHSIを形成するのに時間を要する。
対照的に、分光計は高忠実度点スペクトルを捉え、精度とラベル効率のバランスをとる画素レベルのHSI再構成を可能にすることで、より効率的な代替手段を提供する。
この目的のために、RGBと点スペクトルからHSIを再構成するピクセルレベルのスペクトル超解像(Pixel-SSR)パラダイムを導入する。
その優位性にもかかわらず、Pixel-SSRは2つの重要な課題を提示している。
1)ポイントスペクトルを欠いた斬新なシーンへの一般化性
2【再建精度を高める効果的な情報抽出】
最初の課題に対処するため,ガンマモデルを用いた手法を用いて,非負性,歪分布,正の相関を含む固有特性に基づいて点スペクトルを合成する手法を検討した。
さらに、RGBと点スペクトルからの相補的な3分岐プロンプトを動的プロンプト・マンバ(DyPro-Mamba)で抽出し、グローバル空間分布、エッジ詳細、スペクトル依存性で徐々に再構成を指示する。
先行手法との水平比較や、教師なし・画像レベルの監督パラダイム間の垂直評価を含む総合的な評価は、効率的なラベル消費と競合する再構成精度を実現することを実証している。
関連論文リスト
- Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。
局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。
グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
論文 参考訳（メタデータ） (2025-01-02T15:14:40Z) - HTD-Mamba: Efficient Hyperspectral Target Detection with Pyramid State Space Model [5.505983410956103]
ハイパースペクトルターゲット検出(HTD)は、ピクセルレベルの複雑な背景から興味のある対象を特定する。
本稿では, HTD-Mamba というピラミッド状態空間モデル (SSM) を用いた効率的な自己教師型 HTD 手法を提案する。
4つの公開データセットで行った実験により,提案手法は定量評価と定性評価の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-07-09T13:21:26Z) - Spectral-wise Implicit Neural Representation for Hyperspectral Image
Reconstruction [14.621504062838731]
Coded Aperture Snapshot Spectral Imaging (CASSI) 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。
HSIを再構成する既存の方法は、通常、2次元圧縮画像から所定の離散スペクトル帯域のセットへの学習マッピングを含む。
本稿では、この制限に対処するための先駆的なステップとして、スペクトルワイドインシシットニューラル表現(SINR)と呼ばれる革新的な手法を提案する。
論文 参考訳（メタデータ） (2023-12-02T08:06:07Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Hyperspectral Pansharpening Based on Improved Deep Image Prior and
Residual Reconstruction [64.10636296274168]
高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能化
近年,深層畳み込みネットワーク(ConvNets)を用いたHSパンシャープ法が注目に値する結果を得た。
深層層の増加を抑えることで高レベルの特徴を学習することに焦点を当てた,新しいオーバーコンプリートネットワークHyperKiteを提案する。
論文 参考訳（メタデータ） (2021-07-06T14:11:03Z) - Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from
RGB [84.1657998542458]
再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。
本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
論文 参考訳（メタデータ） (2021-03-26T19:42:21Z) - 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) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
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。