論文の概要: Progressive Flow-inspired Unfolding for Spectral Compressive Imaging

• arxiv url: http://arxiv.org/abs/2509.12079v1
• Date: Mon, 15 Sep 2025 16:10:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.386267
• Title: Progressive Flow-inspired Unfolding for Spectral Compressive Imaging
• Title（参考訳）: スペクトル圧縮イメージングのためのプログレッシブフローインスピレーションアンフォールディング
• Authors: Xiaodong Wang, Ping Wang, Zijun He, Mengjie Qin, Xin Yuan,
• Abstract要約: 符号化開口スナップショット分光画像(CASSI)は、単一の2次元圧縮計測から3次元ハイパースペクトル画像(HSI)を取得する。 近年の深層展開ネットワーク (DUN) はCASSI再建の最先端を達成している。 拡散軌跡と流れの整合性に着想を得て,新しい軌道制御可能な展開フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.638690628451647
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coded aperture snapshot spectral imaging (CASSI) retrieves a 3D hyperspectral image (HSI) from a single 2D compressed measurement, which is a highly challenging reconstruction task. Recent deep unfolding networks (DUNs), empowered by explicit data-fidelity updates and implicit deep denoisers, have achieved the state of the art in CASSI reconstruction. However, existing unfolding approaches suffer from uncontrollable reconstruction trajectories, leading to abrupt quality jumps and non-gradual refinement across stages. Inspired by diffusion trajectories and flow matching, we propose a novel trajectory-controllable unfolding framework that enforces smooth, continuous optimization paths from noisy initial estimates to high-quality reconstructions. To achieve computational efficiency, we design an efficient spatial-spectral Transformer tailored for hyperspectral reconstruction, along with a frequency-domain fusion module to gurantee feature consistency. Experiments on simulation and real data demonstrate that our method achieves better reconstruction quality and efficiency than prior state-of-the-art approaches.
• Abstract（参考訳）: 符号化開口スナップショット分光画像(CASSI)は、1つの2次元圧縮計測から3次元ハイパースペクトル画像(HSI)を抽出する。 近年の深層展開ネットワーク(DUN)は,CASSI再建の最先端を達成している。 しかし、既存の展開アプローチは制御不能な再建軌道に苦しむため、急激な品質向上と段階的でない改善につながった。 拡散軌跡と流れの整合性に着想を得て,ノイズの多い初期推定から高品質な再構成に至るまで,滑らかで連続的な最適化経路を強制する新しい軌道制御可能な展開フレームワークを提案する。 計算効率を上げるために,高スペクトル再構成に適した効率的な空間スペクトル変換器と周波数領域融合モジュールを設計し,特徴の整合性を保証した。 シミュレーションと実データを用いた実験により, 従来の最先端手法よりも再現性, 効率が向上したことを示す。

関連論文リスト

• RobustGS: Unified Boosting of Feedforward 3D Gaussian Splatting under Low-Quality Conditions [67.48495052903534]
  本稿では,汎用的で効率的なマルチビュー機能拡張モジュールRobustGSを提案する。 各種の有害撮像条件下でのフィードフォワード3DGS法のロバスト性を大幅に向上させる。 RobustGSモジュールはプラグイン・アンド・プレイ方式で既存の事前訓練パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2025-08-05T04:50:29Z)
• Generative imaging for radio interferometry with fast uncertainty quantification [4.294714866547824]
  学習可能な再構築手法は、効率的で高品質な再構築を実現する上で有望である。 本稿では,後部分布の効率的な近似サンプリングを可能にする生成ニューラルネットワークの利用について検討する。 本手法は,次世代電波望遠鏡の計算効率,拡張性,不確実性に配慮した画像化に向けた重要なステップを提供する。
  論文  参考訳（メタデータ） (2025-07-28T18:52:07Z)
• RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
  RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。 本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。 復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
  論文  参考訳（メタデータ） (2025-06-28T08:02:54Z)
• DCI: Dual-Conditional Inversion for Boosting Diffusion-Based Image Editing [73.12011187146481]
  Diffusionモデル内のインバージョンは、実または生成された画像の潜時雑音表現を復元することを目的としている。 ほとんどの反転アプローチは、復元精度と編集の柔軟性の間の本質的にのトレードオフに悩まされている。 本稿ではDCI(Dual-Conditional Inversion)について紹介する。
  論文  参考訳（メタデータ） (2025-06-03T07:46:44Z)
• DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes [81.56206845824572]
  新規ビュー合成(NVS)アプローチは、広大なシーン再構築において重要な役割を担っている。 大規模な環境下では、復元の質が悪くなる場合が少なくない。 本稿では,スパース・ビュー・ワイド・シーンのための効率的なガウス再構成のための分散フレームワークであるDGTRを提案する。
  論文  参考訳（メタデータ） (2024-11-19T07:51:44Z)
• FlowIE: Efficient Image Enhancement via Rectified Flow [71.6345505427213]
  FlowIEはフローベースのフレームワークであり、基本的な分布から高品質な画像への直線パスを推定する。 私たちのコントリビューションは、合成および実世界のデータセットに関する包括的な実験を通じて、厳密に検証されています。
  論文  参考訳（メタデータ） (2024-06-01T17:29:29Z)
• Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
  スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。 我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
  論文  参考訳（メタデータ） (2023-11-24T04:55:20Z)
• DiffSCI: Zero-Shot Snapshot Compressive Imaging via Iterative Spectral Diffusion Model [18.25548360119976]
  マルチスペクトル画像(MSI)におけるスナップショット圧縮画像(SCI)再構成の精度向上を目指した。 DiffSCIと呼ばれる新しいゼロショット拡散モデルを提案する。 我々は,DiffSCIが自己監督的,ゼロショット的アプローチよりも顕著な性能向上を示すことを示すため,広範囲な試験を行った。
  論文  参考訳（メタデータ） (2023-11-19T20:27:14Z)
• VQ-NeRF: Vector Quantization Enhances Implicit Neural Representations [25.88881764546414]
  VQ-NeRFは、ベクトル量子化による暗黙の神経表現を強化するための効率的なパイプラインである。 圧縮および原スケールの両スケールでNeRFモデルを同時に最適化する,革新的なマルチスケールNeRFサンプリング方式を提案する。 我々は3次元再構成の幾何学的忠実度とセマンティックコヒーレンスを改善するためにセマンティックロス関数を組み込んだ。
  論文  参考訳（メタデータ） (2023-10-23T01:41:38Z)

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。