論文の概要: Hyperspectral Image Recovery Constrained by Multi-Granularity Non-Local Self-Similarity Priors

• arxiv url: http://arxiv.org/abs/2508.01435v1
• Date: Sat, 02 Aug 2025 16:51:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.880135
• Title: Hyperspectral Image Recovery Constrained by Multi-Granularity Non-Local Self-Similarity Priors
• Title（参考訳）: 多角性非局所的自己相似性事前制約によるハイパースペクトル画像の復元
• Authors: Zhuoran Peng, Yiqing Shen,
• Abstract要約: テンソル分解における粒度の概念を初めて導入し,多粒性非局所的自己相似性事前制約によるHSI回復モデルを提案する。 実験により, モデルは高い適用性を示し, 様々なタイプの行方不明シーンで顕著な回復効果を示すことがわかった。
• 参考スコア（独自算出の注目度）: 4.14360329494344
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral image (HSI) recovery, as an upstream image processing task, holds significant importance for downstream tasks such as classification, segmentation, and detection. In recent years, HSI recovery methods based on non-local prior representations have demonstrated outstanding performance. However, these methods employ a fixed-format factor to represent the non-local self-similarity tensor groups, making them unable to adapt to diverse missing scenarios. To address this issue, we introduce the concept of granularity in tensor decomposition for the first time and propose an HSI recovery model constrained by multi-granularity non-local self-similarity priors. Specifically, the proposed model alternately performs coarse-grained decomposition and fine-grained decomposition on the non-local self-similarity tensor groups. Among them, the coarse-grained decomposition builds upon Tucker tensor decomposition, which extracts global structural information of the image by performing singular value shrinkage on the mode-unfolded matrices. The fine-grained decomposition employs the FCTN decomposition, capturing local detail information through modeling pairwise correlations among factor tensors. This architectural approach achieves a unified representation of global, local, and non-local priors for HSIs. Experimental results demonstrate that the model has strong applicability and exhibits outstanding recovery effects in various types of missing scenes such as pixels and stripes.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)リカバリは、上流の画像処理タスクとして、分類、セグメンテーション、検出などの下流タスクにおいて重要な役割を担っている。 近年,非局所的先行表現に基づくHSI回復手法が顕著な性能を示した。 しかし、これらの手法は非局所的な自己相似性テンソル群を表す固定形式因子を用いており、多様な欠落シナリオに適応できない。 この問題に対処するために、テンソル分解における粒度の概念を初めて導入し、多粒性非局所的な自己相似性に制約されたHSI回復モデルを提案する。 具体的には,非局所自己相似テンソル群に対して,粗粒度分解と微細粒度分解を交互に行う。 その内、粗粒度分解はタッカーテンソル分解に基づいて構築され、モード展開行列上で特異値の縮退を行い、画像のグローバルな構造情報を抽出する。 きめ細かい分解はFCTN分解を用いており、因子テンソル間の相互相関をモデル化することで局所的な詳細情報をキャプチャする。 このアーキテクチャアプローチは、HSIのグローバル、ローカル、および非ローカルの事前の統一的な表現を実現する。 実験結果から, このモデルは高い適用性を示し, 画素やストライプなどの欠落シーンに顕著な回復効果を示すことがわかった。

関連論文リスト

• Toward Temporal Causal Representation Learning with Tensor Decomposition [5.288554155235167]
  本稿では,変換情報に基づく因果表現学習のモデル化に焦点をあてる。 本研究では,時間的因果表現学習と不規則なテンソル分解を統合した共同学習フレームワークCaRTeDを提案する。 我々の結果は、最先端不規則なテンソル分解の収束に関する理論的保証のギャップを埋める。
  論文  参考訳（メタデータ） (2025-07-18T17:55:42Z)
• Score-Based Model for Low-Rank Tensor Recovery [49.158601255093416]
  低ランクテンソル分解(TD)は、マルチウェイデータ解析に有効なフレームワークを提供する。 従来のTD法は、CPやタッカー分解のような事前定義された構造的仮定に依存している。 本稿では,事前定義された構造的仮定や分布的仮定の必要性を排除したスコアベースモデルを提案する。
  論文  参考訳（メタデータ） (2025-06-27T15:05:37Z)
• Low-Rank Implicit Neural Representation via Schatten-p Quasi-Norm and Jacobian Regularization [49.158601255093416]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。 提案した滑らか度正規化はSVDフリーであり、明示的な連鎖規則の導出を避ける。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• G4Seg: Generation for Inexact Segmentation Refinement with Diffusion Models [38.44872934965588]
  本稿では, 大規模テキスト・画像モデルを用いて不正確な拡散(IS)課題に取り組むことの問題点について考察する。 我々は,原画像とマスク条件生成画像とのパターンの相違を利用して,粗大なセグメント化改善を容易にする。
  論文  参考訳（メタデータ） (2025-06-02T11:05:28Z)
• Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
  スペクトル変動は、ハイパースペクトル画像(HSI)解析において共通の課題となる 低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。 本研究では,不規則な3次元立方体を効率的にモデル化するために,不規則なテンソルローランク表現のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-24T02:56:22Z)
• GRIDS: Grouped Multiple-Degradation Restoration with Image Degradation Similarity [35.11349385659554]
  Grouped Restoration with Image Degradation similarity (GRIDS) は、多重劣化修復に固有の競合対象を調和させる新しいアプローチである。 劣化類似性に基づいて、GRIDSは復元タスクを最適群の1つに分割する。 各グループのトレーニングモデルでは、シングルタスクの上限モデルよりも平均0.09dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-07-17T02:43:32Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Single Image Internal Distribution Measurement Using Non-Local Variational Autoencoder [11.985083962982909]
  本稿では,非局所変分オートエンコーダ(textttNLVAE)という画像固有解を提案する。 textttNLVAEは,非局所領域からの非絡み合った情報を用いて高解像度画像を再構成する自己教師型戦略として導入された。 7つのベンチマークデータセットによる実験結果から,textttNLVAEモデルの有効性が示された。
  論文  参考訳（メタデータ） (2022-04-02T18:43:55Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。