論文の概要: Beyond Pretty Pictures: Combined Single- and Multi-Image Super-resolution for Sentinel-2 Images
- arxiv url: http://arxiv.org/abs/2505.24799v2
- Date: Mon, 02 Jun 2025 15:11:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-03 13:48:30.093057
- Title: Beyond Pretty Pictures: Combined Single- and Multi-Image Super-resolution for Sentinel-2 Images
- Title（参考訳）: 美しい写真以外のもの:Sentinel-2画像のためのシングル・イメージとマルチ・イメージのスーパーレゾリューション
- Authors: Aditya Retnanto, Son Le, Sebastian Mueller, Armin Leitner, Michael Riffler, Konrad Schindler, Yohan Iddawela,
- Abstract要約: SEN4Xは、シングルイメージとマルチイメージの利点を組み合わせたハイブリッド超解像度アーキテクチャである。
センチネル2の画像を2.5mの地中サンプリング距離にアップグレードする。
最先端の超高解像度ベースラインよりも性能が大幅に向上することがわかった。
- 参考スコア（独自算出の注目度）: 12.869627326096762
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Super-resolution aims to increase the resolution of satellite images by reconstructing high-frequency details, which go beyond na\"ive upsampling. This has particular relevance for Earth observation missions like Sentinel-2, which offer frequent, regular coverage at no cost; but at coarse resolution. Its pixel footprint is too large to capture small features like houses, streets, or hedge rows. To address this, we present SEN4X, a hybrid super-resolution architecture that combines the advantages of single-image and multi-image techniques. It combines temporal oversampling from repeated Sentinel-2 acquisitions with a learned prior from high-resolution Pl\'eiades Neo data. In doing so, SEN4X upgrades Sentinel-2 imagery to 2.5 m ground sampling distance. We test the super-resolved images on urban land-cover classification in Hanoi, Vietnam. We find that they lead to a significant performance improvement over state-of-the-art super-resolution baselines.
- Abstract（参考訳）: 超高解像度は、na\\ive upsamplingを超える高周波の詳細を再構成することで衛星画像の解像度を向上させることを目的としている。
これは、Sentinel-2のような地球観測ミッションに特に関係しており、頻繁に定期的なカバーを無償で提供するが、粗い解像度で行う。
ピクセルのフットプリントが大きすぎて、家や通り、ヘッジローといった小さな特徴を捉えられない。
そこで本研究では,シングルイメージとマルチイメージの利点を組み合わせたハイブリッド超解像アーキテクチャであるSEN4Xを提案する。
これは、繰り返し行われるSentinel-2の取得からの時間的オーバーサンプリングと、高解像度のPl\'eiades Neoデータから学んだ事前学習を組み合わせる。
SEN4Xはセンチネル2の画像を2.5mの地中サンプリング距離にアップグレードする。
ベトナム・ハノイ市における都市土地被覆分類の超解像について検討した。
最先端の超高解像度ベースラインよりも性能が大幅に向上することがわかった。
関連論文リスト
- Self-Supervised Learning for Real-World Super-Resolution from Dual and Multiple Zoomed Observations [61.448005005426666]
スマートフォン用レファレンスベーススーパーレゾリューション(RefSR)における2つの課題について考察する。
本稿では,デュアルカメラとマルチカメラのズームで観測した実世界のRefSRに対して,新たな自己教師型学習手法を提案する。
論文 参考訳（メタデータ） (2024-05-03T15:20:30Z) - Cross-sensor super-resolution of irregularly sampled Sentinel-2 time series [2.9748898344267785]
本稿では,Sentinel-2時系列の4倍超解像のための新しいデータセットであるBrizhSRを紹介する。
複数の画像を使用することで,超解像性能が大幅に向上することを示す。
再建したHR画像のスペクトル忠実度と知覚品質のトレードオフを観察する。
論文 参考訳（メタデータ） (2024-04-25T08:36:09Z) - Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。
ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文 参考訳（メタデータ） (2023-04-19T15:53:09Z) - On The Role of Alias and Band-Shift for Sentinel-2 Super-Resolution [5.897281612951907]
本研究では,Sentinel-2画像の単一画像超解像(SISR)問題について検討する。
我々は、バンド間シフトとエイリアスというユニークなセンサー仕様のおかげで、ディープラーニングの手法が細部を再現できることを示す。
論文 参考訳（メタデータ） (2023-02-22T17:08:45Z) - Multitemporal and multispectral data fusion for super-resolution of
Sentinel-2 images [11.169492436455423]
DeepSentは、Sentinel-2画像のマルチテンポラリ時系列を超解凍する新しいディープネットワークである。
提案手法は,マルチテンポラル・マルチスペクトルデータ融合を実現する他の最先端技術よりも優れていることを示す。
我々は,実世界のSentinel-2画像の超解像化に本手法を適用し,全スペクトル帯域の空間分解能を3.3mの地中サンプリング距離に向上させた。
論文 参考訳（メタデータ） (2023-01-26T15:01:25Z) - MuS2: A Benchmark for Sentinel-2 Multi-Image Super-Resolution [6.480645418615952]
センチネル2データを含む衛星画像の空間分解能の不足は、多くの実用的なユースケースにおいて深刻な限界である。
超高解像度リコンストラクションはリモートセンシングコミュニティからかなりの注目を集めている。
我々は,Sentinel-2画像のマルチイメージ超解像再構成のための新しいMuS2ベンチマークを提案する。
論文 参考訳（メタデータ） (2022-10-06T08:29:54Z) - Projected GANs Converge Faster [50.23237734403834]
GAN(Generative Adversarial Networks)は高品質な画像を生成するが、訓練は難しい。
生成したサンプルと実際のサンプルを固定された事前訓練された特徴空間に投影することで、これらの問題に大きく取り組みます。
我々の投影GANは画像品質、サンプル効率、収束速度を改善する。
論文 参考訳（メタデータ） (2021-11-01T15:11:01Z) - Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。
本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。
また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文 参考訳（メタデータ） (2021-02-02T16:10:15Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z) - HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of
Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。
これは、地球上の人間の影響を衛星で観測する上で重要である。
我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文 参考訳（メタデータ） (2020-02-15T22:17:47Z)
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。