論文の概要: Efficient Feedback Gate Network for Hyperspectral Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2506.17361v1
• Date: Fri, 20 Jun 2025 10:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.379613
• Title: Efficient Feedback Gate Network for Hyperspectral Image Super-Resolution
• Title（参考訳）: ハイパースペクトル画像超解像のための効率的なフィードバックゲートネットワーク
• Authors: Xufei Wang, Mingjian Zhang, Fei Ge, Jinchen Zhu, Wen Sha, Jifen Ren, Zhimeng Hou, Shouguo Zheng, ling Zheng, Shizhuang Weng,
• Abstract要約: 単一超スペクトル画像超解像法(SHSR)は、超スペクトル画像の空間分解能を改善するために設計することができる。 本稿では,効率的なフィードバックゲートネットワークと呼ばれるグループベースのSHSR手法を提案する。 3つのハイパースペクトルデータセットの実験結果から,提案したネットワークの優れた性能が示された。
• 参考スコア（独自算出の注目度）: 1.742383744586808
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Even without auxiliary images, single hyperspectral image super-resolution (SHSR) methods can be designed to improve the spatial resolution of hyperspectral images. However, failing to explore coherence thoroughly along bands and spatial-spectral information leads to the limited performance of the SHSR. In this study, we propose a novel group-based SHSR method termed the efficient feedback gate network, which uses various feedbacks and gate operations involving large kernel convolutions and spectral interactions. In particular, by providing different guidance for neighboring groups, we can learn rich band information and hierarchical hyperspectral spatial information using channel shuffling and dilatation convolution in shuffled and progressive dilated fusion module(SPDFM). Moreover, we develop a wide-bound perception gate block and a spectrum enhancement gate block to construct the spatial-spectral reinforcement gate module (SSRGM) and obtain highly representative spatial-spectral features efficiently. Additionally, we apply a three-dimensional SSRGM to enhance holistic information and coherence for hyperspectral data. The experimental results on three hyperspectral datasets demonstrate the superior performance of the proposed network over the state-of-the-art methods in terms of spectral fidelity and spatial content reconstruction.
• Abstract（参考訳）: 補助画像がなくても、超スペクトル画像の空間分解能を改善するために、単一超スペクトル画像超解像法(SHSR)を設計することができる。 しかし、バンドや空間スペクトル情報に沿ったコヒーレンスを徹底的に探索することができないため、SHSRの性能は限られている。 本研究では,大規模なカーネル畳み込みとスペクトル相互作用を含む様々なフィードバックとゲート操作を利用する,効率的なフィードバックゲートネットワークと呼ばれるグループベースのSHSR手法を提案する。 特に、隣接するグループに対して異なるガイダンスを提供することで、チャネルシャッフルと拡張畳み込み(SPDFM)を用いて、リッチバンド情報と階層型ハイパースペクトル空間情報を学ぶことができる。 さらに、広帯域の知覚ゲートブロックとスペクトル拡張ゲートブロックを開発し、空間スペクトル強化ゲートモジュール(SSRGM)を構築し、空間スペクトルの特徴を効率的に求める。 さらに,3次元SSRGMを用いて,高スペクトルデータの包括的情報とコヒーレンスを向上させる。 3つのハイパースペクトルデータセットに対する実験結果は、スペクトルの忠実度と空間的コンテンツ再構成の観点から、最先端の手法よりも提案したネットワークの優れた性能を示す。

関連論文リスト

• CubeFormer: A Simple yet Effective Baseline for Lightweight Image Super-Resolution [55.94314421887744]
  軽量画像超解像(SR)法は、解像度を高め、軽量ニューラルネットワークを用いて画像の詳細を復元することを目的としている。 分析の結果,これらの手法は,特徴表現や細部回復に悪影響を及ぼす制約付き特徴多様性によって妨げられていることが明らかとなった。 そこで我々は,包括的情報集約を完了させることにより,特徴の豊かさを高めるために,CubeFormerというシンプルで効果的なベースラインを提案する。
  論文  参考訳（メタデータ） (2024-12-03T08:02:26Z)
• 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)
• Hyperspectral Image Super-Resolution via Dual-domain Network Based on Hybrid Convolution [6.3814314790000415]
  本稿ではハイブリッド畳み込み(SRDNet)に基づく新しいHSI超解像アルゴリズムを提案する。 スペクトル間自己相似性を捉えるため、空間領域に自己注意学習機構(HSL)を考案する。 HSIの知覚品質をさらに向上するため、周波数領域のモデルを最適化するために周波数損失(HFL)を導入した。
  論文  参考訳（メタデータ） (2023-04-10T13:51:28Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)
• 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)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。