Fugu-MT 論文翻訳(概要): FRN: Fractal-Based Recursive Spectral Reconstruction Network

論文の概要: FRN: Fractal-Based Recursive Spectral Reconstruction Network

arxiv url: http://arxiv.org/abs/2505.15439v1
Date: Wed, 21 May 2025 12:20:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-22 15:42:59.629444
Title: FRN: Fractal-Based Recursive Spectral Reconstruction Network
Title（参考訳）: FRN:フラクタル型再帰スペクトル再構成ネットワーク
Authors: Ge Meng, Zhongnan Cai, Ruizhe Chen, Jingyan Tu, Yingying Wang, Yue Huang, Xinghao Ding,
Abstract要約: スペクトル再構成は、RGB画像からのハイパースペクトル画像(HSI)のコストを大幅に削減することができる。スペクトル再構成をプログレッシブなプロセスとして扱うフラクタルベース再帰スペクトル再構成ネットワーク(FRN)を提案する。 FRNは, 定量評価と定性評価の両方において, 最先端手法と比較して, 再現性に優れる。
参考スコア（独自算出の注目度）: 32.54705293932158
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generating hyperspectral images (HSIs) from RGB images through spectral reconstruction can significantly reduce the cost of HSI acquisition. In this paper, we propose a Fractal-Based Recursive Spectral Reconstruction Network (FRN), which differs from existing paradigms that attempt to directly integrate the full-spectrum information from the R, G, and B channels in a one-shot manner. Instead, it treats spectral reconstruction as a progressive process, predicting from broad to narrow bands or employing a coarse-to-fine approach for predicting the next wavelength. Inspired by fractals in mathematics, FRN establishes a novel spectral reconstruction paradigm by recursively invoking an atomic reconstruction module. In each invocation, only the spectral information from neighboring bands is used to provide clues for the generation of the image at the next wavelength, which follows the low-rank property of spectral data. Moreover, we design a band-aware state space model that employs a pixel-differentiated scanning strategy at different stages of the generation process, further suppressing interference from low-correlation regions caused by reflectance differences. Through extensive experimentation across different datasets, FRN achieves superior reconstruction performance compared to state-of-the-art methods in both quantitative and qualitative evaluations.
Abstract（参考訳）: スペクトル再構成によるRGB画像からのハイパースペクトル画像(HSI)の生成は、HSI取得コストを大幅に削減する。本稿では,Fractal-based Recursive Spectral Reconstruction Network (FRN)を提案する。これは,R,G,Bチャネルからのフルスペクトル情報をワンショットで直接統合しようとする既存のパラダイムとは異なる。その代わり、スペクトル再構成をプログレッシブなプロセスとして扱い、広帯域から狭帯域まで予測するか、または次の波長を予測するために粗く微細なアプローチを採用する。フラクタルにインスパイアされたFRNは、原子再構成モジュールを再帰的に起動することで、新しいスペクトル再構成パラダイムを確立する。各呼び出しでは、隣り合う帯域からのスペクトル情報のみを使用して、スペクトルデータの低ランク性に従う次の波長での画像生成の手がかりを提供する。さらに、生成プロセスの異なる段階で画素差分走査戦略を利用するバンド認識状態空間モデルを設計し、反射率差による低相関領域からの干渉をさらに抑制する。異なるデータセットにわたる広範な実験を通じて、FRN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も優れた再構成性能を達成している。

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)
Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
論文参考訳（メタデータ） (2024-11-19T14:24:03Z)
Spectral-wise Implicit Neural Representation for Hyperspectral Image Reconstruction [13.79887292039637]
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)
Reconstruction of compressed spectral imaging based on global structure and spectral correlation [17.35611893815407]
提案手法は、畳み込みカーネルを用いてグローバルイメージを操作する。畳み込みスパース符号化が低周波数に不感な問題を解決するため、大域的全変量(TV)制約を加算する。提案手法は,PSNRで最大7dB,SSIMで最大10%向上する。
論文参考訳（メタデータ） (2022-10-27T14:31:02Z)
Spectral2Spectral: Image-spectral Similarity Assisted Spectral CT Deep Reconstruction without Reference [5.109423491004876]
本稿では、教師なしの手法とデータ事前を、Spectral2Spectralという名前の統一されたフレームワークに相乗化するための反復的深層再構築ネットワークを提案する。我々のSpectral2Spectralは、教師なしの深層学習戦略を用いて、ノイズの多いデータからエンドツーエンドで高品質な画像を得る。 3つの大規模な前臨床データセット実験は、スペクトル2スペクトルが他の最先端の手法よりも優れた画質を再構成することを示した。
論文参考訳（メタデータ） (2022-10-03T03:07:33Z)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
Continuous Spectral Reconstruction from RGB Images via Implicit Neural Representation [43.622087181097164]
既存のスペクトル再構成法は通常、RGB画像から多くのスペクトル帯域への離散写像を学ぶ。本稿では,ニューラルスペクトル再構成法(NeSR)を提案する。 NeSRは、任意の数のスペクトルバンドを目標出力として可能にすることで、スペクトル再構成の柔軟性を拡大する。
論文参考訳（メタデータ） (2021-12-24T09:08:23Z)
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)
Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
論文参考訳（メタデータ） (2020-10-24T15:53:56Z)
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。