論文の概要: Hyperspectral Imaging

• arxiv url: http://arxiv.org/abs/2508.08107v1
• Date: Mon, 11 Aug 2025 15:47:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.182517
• Title: Hyperspectral Imaging
• Title（参考訳）: ハイパースペクトルイメージング
• Authors: Danfeng Hong, Chenyu Li, Naoto Yokoya, Bing Zhang, Xiuping Jia, Antonio Plaza, Paolo Gamba, Jon Atli Benediktsson, Jocelyn Chanussot,
• Abstract要約: ハイパースペクトルイメージング(Hyperspectral Imaging、HSI)は、空間情報とスペクトル情報を同時にキャプチャする高度なセンシングモダリティである。 このプライマーは、基礎となる物理原理とセンサーアーキテクチャから、データ取得、キャリブレーション、修正における重要なステップまで、HSIの概要を包括的に示す。
• 参考スコア（独自算出の注目度）: 49.45523645429475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral imaging (HSI) is an advanced sensing modality that simultaneously captures spatial and spectral information, enabling non-invasive, label-free analysis of material, chemical, and biological properties. This Primer presents a comprehensive overview of HSI, from the underlying physical principles and sensor architectures to key steps in data acquisition, calibration, and correction. We summarize common data structures and highlight classical and modern analysis methods, including dimensionality reduction, classification, spectral unmixing, and AI-driven techniques such as deep learning. Representative applications across Earth observation, precision agriculture, biomedicine, industrial inspection, cultural heritage, and security are also discussed, emphasizing HSI's ability to uncover sub-visual features for advanced monitoring, diagnostics, and decision-making. Persistent challenges, such as hardware trade-offs, acquisition variability, and the complexity of high-dimensional data, are examined alongside emerging solutions, including computational imaging, physics-informed modeling, cross-modal fusion, and self-supervised learning. Best practices for dataset sharing, reproducibility, and metadata documentation are further highlighted to support transparency and reuse. Looking ahead, we explore future directions toward scalable, real-time, and embedded HSI systems, driven by sensor miniaturization, self-supervised learning, and foundation models. As HSI evolves into a general-purpose, cross-disciplinary platform, it holds promise for transformative applications in science, technology, and society.
• Abstract（参考訳）: ハイパースペクトルイメージング(Hyperspectral Imaging、HSI)は、空間情報とスペクトル情報を同時に捉え、物質、化学、生物学的特性の非侵襲的、ラベルのない分析を可能にする高度なセンシングモダリティである。 このプライマーは、基礎となる物理原理とセンサーアーキテクチャから、データ取得、キャリブレーション、修正における重要なステップまで、HSIの概要を包括的に示す。 我々は、一般的なデータ構造を要約し、次元の削減、分類、スペクトルアンミックス、ディープラーニングのようなAI駆動技術など、古典的および近代的な分析手法を強調した。 地球観測、精密農業、バイオメディシン、産業検査、文化遺産、安全に関する代表的応用についても論じられ、高度なモニタリング、診断、意思決定のためのサブ視覚的特徴を明らかにするHSIの能力を強調している。 ハードウェアトレードオフ,取得変数,高次元データの複雑さといった永続的課題を,計算画像,物理インフォームドモデリング,クロスモーダル融合,自己教師付き学習など,新たなソリューションとともに検討した。 データセットの共有、再現性、メタデータドキュメントのベストプラクティスはさらに強調され、透明性と再利用をサポートする。 今後,センサの小型化,自己教師型学習,基礎モデルなどによる,スケーラブルでリアルタイムな組み込みHSIシステムに向けた今後の方向性について検討する。 HSIは、汎用的で学際的なプラットフォームへと進化するにつれて、科学、技術、社会における変革的な応用を約束する。

関連論文リスト

• Benchmarking and Evaluation of AI Models in Biology: Outcomes and Recommendations from the CZI Virtual Cells Workshop [18.00029758641004]
  我々は、AI駆動の仮想細胞のための堅牢なベンチマークの開発を加速することを目指している。 これらのベンチマークは、厳格さ、関連性、生物学的関連性を保証するために不可欠である。 これらのベンチマークは、新たな発見、治療的洞察、細胞系のより深い理解を促進する統合モデルに向けて、分野を前進させるだろう。
  論文  参考訳（メタデータ） (2025-07-14T17:25:28Z)
• CRIA: A Cross-View Interaction and Instance-Adapted Pre-training Framework for Generalizable EEG Representations [52.251569042852815]
  CRIAは、可変長および可変チャネルコーディングを使用して、異なるデータセット間でEEGデータの統一表現を実現する適応フレームワークである。 このモデルでは、時間的、スペクトル的、空間的特徴を効果的に融合させるクロスアテンション機構を採用している。 テンプル大学脳波コーパスとCHB-MITデータセットによる実験結果から、CRIAは既存の方法よりも、同じ事前学習条件で優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-19T06:31:08Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• SITE: towards Spatial Intelligence Thorough Evaluation [121.1493852562597]
  空間知能 (Spatial Intelligence, SI) は、空間的関係の可視化、操作、推論を含む認知能力を表す。 SI Thorough Evaluationに向けたベンチマークデータセットであるSITEを紹介する。 ベンチマークの計算には、31の既存のデータセットに関するボトムアップ調査と、認知科学の3つの分類システムに基づくトップダウン戦略を組み合わせる。
  論文  参考訳（メタデータ） (2025-05-08T17:45:44Z)
• Scientific Hypothesis Generation and Validation: Methods, Datasets, and Future Directions [19.926445428206776]
  大規模言語モデル(LLM)は科学的仮説の生成と検証を変革している。 この調査は、LLM駆動のアプローチに関する構造化された概要を提供する。 本稿では,検索強化生成,知識グラフ補完,シミュレーション,因果推論,ツール支援推論などの手法について検討する。
  論文  参考訳（メタデータ） (2025-05-06T19:22:23Z)
• Small Object Detection: A Comprehensive Survey on Challenges, Techniques and Real-World Applications [0.15705429611931052]
  小型物体検出(SOD)はコンピュータビジョンにおいて重要な課題である。 ディープラーニングの最近の進歩は革新的なソリューションを導入している。 軽量ニューラルネットワーク、知識蒸留(KD)、自己教師型学習といった新興トレンドは、検出効率を改善する上で有望な方向を提供する。
  論文  参考訳（メタデータ） (2025-03-26T12:58:13Z)
• AI-Driven HSI: Multimodality, Fusion, Challenges, and the Deep Learning Revolution [1.2647816797166165]
  ハイパースペクトルイメージング(HSI)は、空間的およびスペクトル的なデータをキャプチャし、従来のシステムでは見えない特徴の分析を可能にする。 本研究では,HSIデータ処理における深層学習モデルの役割とデータ融合における課題について概説する。 ディープラーニングは、特徴抽出、変化検出、デノイングアンミックス、次元縮小、ランドカバーマッピング、データ強化、スペクトル構築、超解像といった領域におけるHSI分析を強化する。
  論文  参考訳（メタデータ） (2025-02-09T12:44:16Z)
• 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)
• Interpretable Hyperspectral AI: When Non-Convex Modeling meets Hyperspectral Remote Sensing [57.52865154829273]
  ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。 過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。 このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
  論文  参考訳（メタデータ） (2021-03-02T03:32:10Z)

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。