Fugu-MT 論文翻訳(概要): Hyperspectral Vision Transformers for Greenhouse Gas Estimations from Space

論文の概要: Hyperspectral Vision Transformers for Greenhouse Gas Estimations from Space

arxiv url: http://arxiv.org/abs/2504.16851v1
Date: Wed, 23 Apr 2025 16:19:42 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 15:18:17.422452
Title: Hyperspectral Vision Transformers for Greenhouse Gas Estimations from Space
Title（参考訳）: 宇宙からの温室効果ガス推定のためのハイパースペクトル・ビジョン・トランス
Authors: Ruben Gonzalez Avilés, Linus Scheibenreif, Nassim Ait Ali Braham, Benedikt Blumenstiel, Thomas Brunschwiler, Ranjini Guruprasad, Damian Borth, Conrad Albrecht, Paolo Fraccaro, Devyani Lambhate, Johannes Jakubik,
Abstract要約: 本研究では,マルチスペクトル入力から高スペクトルデータを合成するスペクトル変換器モデルを提案する。モデルは、バンドワイドマスク付きオートエンコーダを介して事前訓練され、その後、アライメントされたマルチスペクトル-ハイパースペクトル画像対に微調整される。得られた合成ハイパースペクトルデータは、マルチスペクトル画像の空間的および時間的利点を保持し、GHG予測精度を向上させる。
参考スコア（独自算出の注目度）: 6.559887989252469
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hyperspectral imaging provides detailed spectral information and holds significant potential for monitoring of greenhouse gases (GHGs). However, its application is constrained by limited spatial coverage and infrequent revisit times. In contrast, multispectral imaging offers broader spatial and temporal coverage but often lacks the spectral detail that can enhance GHG detection. To address these challenges, this study proposes a spectral transformer model that synthesizes hyperspectral data from multispectral inputs. The model is pre-trained via a band-wise masked autoencoder and subsequently fine-tuned on spatio-temporally aligned multispectral-hyperspectral image pairs. The resulting synthetic hyperspectral data retain the spatial and temporal benefits of multispectral imagery and improve GHG prediction accuracy relative to using multispectral data alone. This approach effectively bridges the trade-off between spectral resolution and coverage, highlighting its potential to advance atmospheric monitoring by combining the strengths of hyperspectral and multispectral systems with self-supervised deep learning.
Abstract（参考訳）: ハイパースペクトルイメージングは、詳細なスペクトル情報を提供し、温室効果ガス(GHG)のモニタリングに重要な可能性を秘めている。しかし、その応用は限られた空間範囲と頻繁な再訪時間によって制約されている。対照的に、マルチスペクトルイメージングはより広い空間的および時間的カバレッジを提供するが、GHG検出を強化するスペクトルの詳細を欠いていることが多い。これらの課題に対処するために,マルチスペクトル入力からハイパースペクトルデータを合成するスペクトル変換器モデルを提案する。モデルは、バンドワイドマスク付きオートエンコーダを介して事前訓練され、その後、時空間配向マルチスペクトル・ハイパースペクトル画像対に微調整される。得られた合成ハイパースペクトルデータは、マルチスペクトル画像の空間的・時間的利点を保ち、マルチスペクトルデータのみを用いてGHG予測精度を向上させる。このアプローチは、スペクトル分解能とカバレッジのトレードオフを効果的に橋渡しし、ハイパースペクトルとマルチスペクトルシステムの強みを自己教師型ディープラーニングと組み合わせることで、大気モニタリングを前進させる可能性を強調している。

関連論文リスト

CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [75.25966323298003]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。我々は、$textbfC$amera-$textbfA$gnostic $textbfR$esupervised $textbfL$のモデルである$textbfCARL$を紹介した。
論文参考訳（メタデータ） (2025-04-27T13:06:40Z)
Multispectral to Hyperspectral using Pretrained Foundational model [1.3516162688685323]
ハイパースペクトルイメージングは詳細なスペクトル情報を提供し、CH4やNO2のような温室効果ガスをモニターする大きな可能性を提供する。その適用は、限られたカバレッジと頻繁な再訪時間によって制限されている。対照的に、マルチスペクトルイメージングは空間的および時間的カバレッジを提供するが、正確な検出に必要なスペクトルの粒度は欠如している。
論文参考訳（メタデータ） (2025-02-26T06:18:40Z)
Unsupervised Hyperspectral and Multispectral Image Blind Fusion Based on Deep Tucker Decomposition Network with Spatial-Spectral Manifold Learning [15.86617273658407]
タッカー分解と空間スペクトル多様体学習(DTDNML)に基づくハイパースペクトル・マルチスペクトル画像の教師なしブラインド融合法を提案する。本手法は,様々なリモートセンシングデータセット上でのハイパースペクトルとマルチスペクトル融合の精度と効率を向上させる。
論文参考訳（メタデータ） (2024-09-15T08:58:26Z)
HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
Hyper SIGMAは、タスクやシーン間でHSI解釈を統合するビジョントランスフォーマーベースの基礎モデルである。さらに,約450Kのハイパースペクトル画像を含む,事前学習のための大規模ハイパースペクトルデータセットHyperGlobal-450Kを構築した。
論文参考訳（メタデータ） (2024-06-17T13:22:58Z)
Cross-Scope Spatial-Spectral Information Aggregation for Hyperspectral Image Super-Resolution [47.12985199570964]
超高分解能超高分解能画像の長距離空間およびスペクトル類似性を調べるために,新しいクロススコープ空間スペクトル変換器(CST)を提案する。具体的には,長距離空間スペクトル特性を包括的にモデル化するために,空間次元とスペクトル次元のクロスアテンション機構を考案する。 3つの超スペクトルデータセットに対する実験により、提案したCSTは他の最先端手法よりも定量的にも視覚的にも優れていることが示された。
論文参考訳（メタデータ） (2023-11-29T03:38:56Z)
Boosting the Generalization Ability for Hyperspectral Image Classification using Spectral-spatial Axial Aggregation Transformer [14.594398447576188]
ハイパースペクトル画像分類(HSIC)タスクでは、最も一般的に使われているモデル検証パラダイムは、画素単位のランダムサンプリングによってトレーニング・テストデータセットを分割することである。私たちの実験では、トレーニングとテストデータセットが多くの情報を共有しているため、高い精度が達成できたことが分かりました。本稿では,データセット分割間の一般化を保ったスペクトル-空間軸アグリゲーション変換器モデルSaaFormerを提案する。
論文参考訳（メタデータ） (2023-06-29T07:55:43Z)
High Spectral Spatial Resolution Synthetic HyperSpectral Dataset form multi-source fusion [7.249349307341409]
本研究では,高スペクトル像と空間分解能像を組み合わせた合成ハイパースペクトルデータセットを提案する。提案したデータセットは、RGB、プッシュブルーム可視型ハイパースペクトルカメラ、スナップショット赤外線ハイパースペクトルカメラの3つのモードを活用することで、この制限に対処する。
論文参考訳（メタデータ） (2023-06-25T11:17:12Z)
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)
Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
論文参考訳（メタデータ） (2021-08-31T02:13:00Z)
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)
Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。