論文の概要: Hyperspectral Mamba for Hyperspectral Object Tracking
- arxiv url: http://arxiv.org/abs/2509.08265v1
- Date: Wed, 10 Sep 2025 03:47:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-11 15:16:52.300878
- Title: Hyperspectral Mamba for Hyperspectral Object Tracking
- Title（参考訳）: ハイパースペクトル物体追跡のためのハイパースペクトルマンバ
- Authors: Long Gao, Yunhe Zhang, Yan Jiang, Weiying Xie, Yunsong Li,
- Abstract要約: Mamba (HyMamba) を用いた新しいハイパースペクトル物体追跡ネットワークを提案する。
状態空間モジュール(SSM)によるスペクトル、クロスディープス、時間モデリングを統一する。
HyMambaは、7つのベンチマークデータセットで最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 56.365517163296936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hyperspectral object tracking holds great promise due to the rich spectral information and fine-grained material distinctions in hyperspectral images, which are beneficial in challenging scenarios. While existing hyperspectral trackers have made progress by either transforming hyperspectral data into false-color images or incorporating modality fusion strategies, they often fail to capture the intrinsic spectral information, temporal dependencies, and cross-depth interactions. To address these limitations, a new hyperspectral object tracking network equipped with Mamba (HyMamba), is proposed. It unifies spectral, cross-depth, and temporal modeling through state space modules (SSMs). The core of HyMamba lies in the Spectral State Integration (SSI) module, which enables progressive refinement and propagation of spectral features with cross-depth and temporal spectral information. Embedded within each SSI, the Hyperspectral Mamba (HSM) module is introduced to learn spatial and spectral information synchronously via three directional scanning SSMs. Based on SSI and HSM, HyMamba constructs joint features from false-color and hyperspectral inputs, and enhances them through interaction with original spectral features extracted from raw hyperspectral images. Extensive experiments conducted on seven benchmark datasets demonstrate that HyMamba achieves state-of-the-art performance. For instance, it achieves 73.0\% of the AUC score and 96.3\% of the DP@20 score on the HOTC2020 dataset. The code will be released at https://github.com/lgao001/HyMamba.
- Abstract（参考訳）: ハイパースペクトル物体追跡は、豊富なスペクトル情報と、高スペクトル画像における微細な材料区別のため、非常に有望であり、これは挑戦的なシナリオで有用である。
既存のハイパースペクトルトラッカーは、ハイパースペクトルデータを偽色画像に変換するか、モダリティ融合戦略を取り入れることによって進歩してきたが、固有のスペクトル情報、時間的依存関係、深層間相互作用を捉えることに失敗することが多い。
これらの制約に対処するために,Mamba (HyMamba) を備えた新しいハイパースペクトル物体追跡ネットワークを提案する。
スペクトル、クロスディープス、時間モデリングを状態空間モジュール(SSM)を通して統一する。
HyMambaのコアはSSI(Spectral State Integration)モジュールにあり、スペクトル情報と時間的スペクトル情報によるスペクトル特徴の漸進的な洗練と伝播を可能にする。
各SSIに埋め込まれたHyperspectral Mamba (HSM)モジュールは、3つの方向走査SSMを通して空間情報とスペクトル情報を同期的に学習するために導入された。
SSIとHSMに基づいて、HyMambaは偽色およびハイパースペクトル入力から関節の特徴を構築し、生のハイパースペクトル画像から抽出された元のスペクトル特徴と相互作用してそれらを強化する。
7つのベンチマークデータセットで実施された大規模な実験は、HyMambaが最先端のパフォーマンスを達成したことを示している。
例えば、AUCスコアの73.0\%、HOTC2020データセットのDP@20スコアの96.3\%を達成している。
コードはhttps://github.com/lgao001/HyMamba.comでリリースされる。
関連論文リスト
- Hyperspectral Adapter for Semantic Segmentation with Vision Foundation Models [18.24287471339871]
ハイパースペクトルイメージング(HSI)は、多数の狭い波長帯にわたる密度のスペクトル測定とともに空間情報をキャプチャする。
本アーキテクチャでは、スペクトル変換器とスペクトル対応空間先行モジュールを組み込んで、豊富な空間スペクトル特徴を抽出する。
我々のアーキテクチャは、HSI入力を直接使用しながら、最先端のセマンティックセマンティックセマンティックセマンティクス性能を実現し、ビジョンベースとハイパースペクトルセマンティクスの両方のセマンティクス法より優れている。
論文 参考訳（メタデータ） (2025-09-24T13:32:07Z) - MambaHSI: Spatial-Spectral Mamba for Hyperspectral Image Classification [46.111607032455225]
本稿では,Mambaモデルに基づく新しいHSI分類モデル,MambaHSIを提案する。
具体的には,空間的マンバブロック(SpaMB)を設計し,画素レベルの画像全体の長距離相互作用をモデル化する。
スペクトルベクトルを複数のグループに分割し、異なるスペクトル群間の関係をマイニングし、スペクトル特徴を抽出するスペクトルマンバブロック(SpeMB)を提案する。
論文 参考訳（メタデータ） (2025-01-09T03:27:47Z) - Multi-head Spatial-Spectral Mamba for Hyperspectral Image Classification [3.105394345970172]
空間スペクトルマンバ(SSM)は計算効率を改善し、長距離依存関係をキャプチャする。
マルチヘッド・セルフアテンション・トークンエンハンスメント(MHSSMamba)を用いたSSMを提案する。
MHSSMambaはパヴィア大学で97.62%、ヒューストン大学で96.92%、サリナスで96.85%、武漢・長九のデータセットで99.49%という顕著な分類精度を達成した。
論文 参考訳（メタデータ） (2024-08-02T12:27:15Z) - HTD-Mamba: Efficient Hyperspectral Target Detection with Pyramid State Space Model [5.505983410956103]
ハイパースペクトルターゲット検出(HTD)は、ピクセルレベルの複雑な背景から興味のある対象を特定する。
本稿では, HTD-Mamba というピラミッド状態空間モデル (SSM) を用いた効率的な自己教師型 HTD 手法を提案する。
4つの公開データセットで行った実験により,提案手法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優れていることが示された。
論文 参考訳（メタデータ） (2024-07-09T13:21:26Z) - 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) - S$^2$Mamba: A Spatial-spectral State Space Model for Hyperspectral Image Classification [44.99672241508994]
ハイパースペクトル画像(HSI)を用いた土地被覆解析は、空間分解能の低さと複雑なスペクトル情報のため、未解決の課題である。
ハイパースペクトル画像分類のための空間スペクトル状態空間モデルであるS$2$Mambaを提案する。
論文 参考訳（メタデータ） (2024-04-28T15:12:56Z) - SSF-Net: Spatial-Spectral Fusion Network with Spectral Angle Awareness for Hyperspectral Object Tracking [21.664141982246598]
ハイパースペクトルビデオ(HSV)は、空間的、スペクトル的、時間的情報を同時に提供する。
既存の手法は主にバンド再編成に重点を置いており、特徴抽出のためにRGBトラッカーに依存している。
本稿では、超スペクトル(HS)物体追跡において、スペクトル角認識(SST-Net)を用いた空間-スペクトル融合ネットワークを提案する。
論文 参考訳（メタデータ） (2024-03-09T09:37:13Z) - Object Detection in Hyperspectral Image via Unified Spectral-Spatial
Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。
S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文 参考訳（メタデータ） (2023-06-14T09:01:50Z) - Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image
Reconstruction [127.20208645280438]
ハイパースペクトル画像(HSI)再構成は、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。
スペクトル間相互作用のモデル化は、HSI再構成に有用である。
Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-15T16:59:48Z) - 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)
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。