論文の概要: Spectral Compressive Imaging via Chromaticity-Intensity Decomposition

• arxiv url: http://arxiv.org/abs/2509.16690v1
• Date: Sat, 20 Sep 2025 13:37:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.929478
• Title: Spectral Compressive Imaging via Chromaticity-Intensity Decomposition
• Title（参考訳）: 色度-強度分解によるスペクトル圧縮イメージング
• Authors: Xiaodong Wang, Zijun He, Ping Wang, Lishun Wang, Yanan Hu, Xin Yuan,
• Abstract要約: 本研究では,HSIを空間的に滑らかな強度マップとスペクトル的に変化する色度立方体に分解する色度-強度分解フレームワークを提案する。 そこで我々はCIDNet(Chromaticity-Intensity Decomposition Unfolding Network)を開発した。
• 参考スコア（独自算出の注目度）: 15.09393076865179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In coded aperture snapshot spectral imaging (CASSI), the captured measurement entangles spatial and spectral information, posing a severely ill-posed inverse problem for hyperspectral images (HSIs) reconstruction. Moreover, the captured radiance inherently depends on scene illumination, making it difficult to recover the intrinsic spectral reflectance that remains invariant to lighting conditions. To address these challenges, we propose a chromaticity-intensity decomposition framework, which disentangles an HSI into a spatially smooth intensity map and a spectrally variant chromaticity cube. The chromaticity encodes lighting-invariant reflectance, enriched with high-frequency spatial details and local spectral sparsity. Building on this decomposition, we develop CIDNet, a Chromaticity-Intensity Decomposition unfolding network within a dual-camera CASSI system. CIDNet integrates a hybrid spatial-spectral Transformer tailored to reconstruct fine-grained and sparse spectral chromaticity and a degradation-aware, spatially-adaptive noise estimation module that captures anisotropic noise across iterative stages. Extensive experiments on both synthetic and real-world CASSI datasets demonstrate that our method achieves superior performance in both spectral and chromaticity fidelity. Code and models will be publicly available.
• Abstract（参考訳）: 符号化開口分光画像(CASSI)では、撮像された測定値が空間情報とスペクトル情報を絡み合わせ、ハイパースペクトル画像(HSI)再構成の逆問題を引き起こす。 さらに、捕獲された放射輝度は、本質的にシーン照明に依存するため、光条件に不変な固有のスペクトル反射率の回復が困難である。 これらの課題に対処するために,HSIを空間的に滑らかな強度マップとスペクトル的に変化する色度立方体に分解する色度-強度分解フレームワークを提案する。 色度は光不変反射率を符号化し、高周波空間の詳細と局所スペクトル空間性に富む。 そこで我々はCIDNet(Chromaticity-Intensity Decomposition Unfolding Network)を開発した。 CIDNetは、微細でスパースなスペクトル色度を再構成するために調整されたハイブリッド空間スペクトル変換器と、反復的な段階にわたって異方性ノイズを捕捉する分解適応ノイズ推定モジュールを統合する。 合成および実世界のCASSIデータセットの広汎な実験により,本手法はスペクトルおよび色度忠実度の両方において優れた性能を発揮することが示された。 コードとモデルは公開されます。

関連論文リスト

• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [75.25966323298003]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 我々は、$textbfC$amera-$textbfA$gnostic $textbfR$esupervised $textbfL$のモデルである$textbfCARL$を紹介した。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Mixed-granularity Implicit Representation for Continuous Hyperspectral Compressive Reconstruction [16.975538181162616]
  本研究では,暗黙的ニューラル表現を用いた連続型ハイパースペクトル画像再構成法を提案する。 暗黙的な神経表現を活用することで、MGIRフレームワークは任意の望まれる空間スペクトル分解能の再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-17T03:37:42Z)
• From Image- to Pixel-level: Label-efficient Hyperspectral Image Reconstruction [9.181668145020895]
  画素レベルのスペクトル超解像(Pixel-SSR)パラダイムを導入し,RGBと点スペクトルから高スペクトル像を再構成する。 その利点にもかかわらず、Pixel-SSRは、1)ポイントスペクトルを欠いた新規シーンへの一般化可能性、2)再構成精度を高める効果的な情報抽出の2つの主要な課題を提示している。
  論文  参考訳（メタデータ） (2025-03-10T02:23:32Z)
• Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
  RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。 局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。 グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
  論文  参考訳（メタデータ） (2025-01-02T15:14:40Z)
• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• Spectral-wise Implicit Neural Representation for Hyperspectral Image Reconstruction [13.79887292039637]
  Coded Aperture Snapshot Spectral Imaging (CASSI) 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。 HSIを再構成する既存の方法は、通常、2次元圧縮画像から所定の離散スペクトル帯域のセットへの学習マッピングを含む。 本稿では、この制限に対処するための先駆的なステップとして、スペクトルワイドインシシットニューラル表現(SINR)と呼ばれる革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-12-02T08:06:07Z)
• Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
  ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2023-04-03T09:42:13Z)
• Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from RGB [84.1657998542458]
  再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。 本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
  論文  参考訳（メタデータ） (2021-03-26T19:42:21Z)

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。