論文の概要: USCTNet: A deep unfolding nuclear-norm optimization solver for physically consistent HSI reconstruction

• arxiv url: http://arxiv.org/abs/2509.10651v2
• Date: Fri, 19 Sep 2025 06:42:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 12:06:46.382385
• Title: USCTNet: A deep unfolding nuclear-norm optimization solver for physically consistent HSI reconstruction
• Title（参考訳）: USCTNet: 物理的に一貫したHSI再構築のための深部展開型核ノルム最適化解法
• Authors: Xiaoyang Ma, Yiyang Chai, Xinran Qu, Hong Sun,
• Abstract要約: 単一RGB画像からのハイパースペクトル画像(HSI)の再構成は不一致であり、カメラスペクトル感度(CSS)とシーン照明が誤特定されると物理的に矛盾する可能性がある。 我々は、RGB-to-HSI再構成を、学習可能な変換領域における核ノルムによって正規化された物理基底逆問題として定式化する。 我々は、パラメータ推定モジュールと学習可能な近位更新を結合したHSIに適した深い展開解法であるUSCTNetを開発する。
• 参考スコア（独自算出の注目度）: 4.760798057976259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing hyperspectral images (HSIs) from a single RGB image is ill-posed and can become physically inconsistent when the camera spectral sensitivity (CSS) and scene illumination are misspecified. We formulate RGB-to-HSI reconstruction as a physics-grounded inverse problem regularized by a nuclear norm in a learnable transform domain, and we explicitly estimate CSS and illumination to define the forward operator embedded in each iteration, ensuring colorimetric consistency. To avoid the cost and instability of full singular-value decompositions (SVDs) required by singular-value thresholding (SVT), we introduce a data-adaptive low-rank subspace SVT operator. Building on these components, we develop USCTNet, a deep unfolding solver tailored to HSI that couples a parameter estimation module with learnable proximal updates. Extensive experiments on standard benchmarks show consistent improvements over state-of-the-art RGB-based methods in reconstruction accuracy. Code: https://github.com/psykheXX/USCTNet-Code-Implementation.git
• Abstract（参考訳）: 単一RGB画像からのハイパースペクトル画像(HSI)の再構成は不一致であり、カメラスペクトル感度(CSS)とシーン照明が誤特定されると物理的に矛盾する可能性がある。 我々は、RGB-to-HSI再構成を、学習可能な変換領域における核ノルムによって正規化された物理基底逆問題として定式化し、CSSと照明を明示的に推定し、各イテレーションに埋め込まれたフォワード演算子を定義する。 特異値しきい値(SVT)による完全特異値分解(SVD)のコストと不安定性を回避するため,データ適応型低ランク部分空間SVT演算子を提案する。 これらのコンポーネント上に構築されたUSCTNetは,パラメータ推定モジュールと学習可能な近位更新を結合したHSIに適した深度展開型解法である。 標準ベンチマークの大規模な実験では、復元精度において最先端のRGB法よりも一貫した改善が見られた。 コード:https://github.com/psykheXX/USCTNet-Code-Implementation.git

関連論文リスト

• Histogram Assisted Quality Aware Generative Model for Resolution Invariant NIR Image Colorization [0.9064664319018063]
  本稿では,分解能不変なNIR-to-RGBカラー化のための統一生成モデルHAQAGenを提案する。 提案モデルでは, (i) 異なるヒストグラムマッチング, 知覚的画像品質測定, テクスチャ情報を保存するための特徴に基づく類似性を通じて, グローバルな色統計を整合させる複合的損失項を導入する。 品質を犠牲にすることなく高分解能翻訳を可能にする適応分解能推論エンジンを導入する。
  論文  参考訳（メタデータ） (2026-01-03T07:46:59Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Binarized Spectral Compressive Imaging [59.18636040850608]
  ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。 本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。 BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
  論文  参考訳（メタデータ） (2023-05-17T15:36:08Z)
• SST-ReversibleNet: Reversible-prior-based Spectral-Spatial Transformer for Efficient Hyperspectral Image Reconstruction [15.233185887461826]
  Reversible-prior-based methodと呼ばれる新しいフレームワークが提案されている。 ReversibleNetは、シミュレートされた実HSIデータセットの最先端メソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-05-06T14:01:02Z)
• Learning Detail-Structure Alternative Optimization for Blind Super-Resolution [69.11604249813304]
  そこで我々は,ブラインドSRに先立ってカーネルを曖昧にすることなく,再帰的な詳細構造代替最適化を実現する,有効かつカーネルフリーなネットワークDSSRを提案する。 DSSRでは、細部構造変調モジュール(DSMM)が構築され、画像の詳細と構造の相互作用と協調を利用する。 本手法は既存の手法に対して最先端の手法を実現する。
  論文  参考訳（メタデータ） (2022-12-03T14:44:17Z)
• Mirror Complementary Transformer Network for RGB-thermal Salient Object Detection [16.64781797503128]
  RGB-熱的物体検出(RGB-T SOD)は、視光対と熱赤外画像対の一般的な顕著な物体を見つけることを目的としている。 本稿では,RGB-T SODのための新しいミラー補完トランスフォーマネットワーク(MCNet)を提案する。 ベンチマークとVT723データセットの実験により、提案手法は最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-07-07T20:26:09Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)
• Deep-learning-based Hyperspectral imaging through a RGB camera [6.931572045689959]
  ハイパースペクトル画像(HSI)には、食品の安全性、リモートセンシング、医療検出に広く用いられている空間パターンとスペクトル情報の両方が含まれている。 近年,畳み込みニューラルネットワーク(CNN)アルゴリズムを用いて単一のRGB画像からHSIを再構成できることが報告されている。 本研究では,RGBカメラのスペクトル感度(CSS)がHSIに与える影響に着目した。
  論文  参考訳（メタデータ） (2021-07-12T04:23:25Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)

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。