論文の概要: Wavelet-Assisted Mamba for Satellite-Derived Sea Surface Temperature Super-Resolution

• arxiv url: http://arxiv.org/abs/2509.24334v1
• Date: Mon, 29 Sep 2025 06:33:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.786396
• Title: Wavelet-Assisted Mamba for Satellite-Derived Sea Surface Temperature Super-Resolution
• Title（参考訳）: 衛星による海面温度超解像のためのウェーブレット支援マンバ
• Authors: Wankun Chen, Feng Gao, Yanhai Gan, Jingchao Cao, Junyu Dong, Qian Du,
• Abstract要約: 衛星海面温度(SST)データに対するウェーブレット支援マンバ超解法(WMSR)フレームワークを提案する。 WMSRには、低周波状態空間モジュール(LFSSM)と高周波拡張モジュール(HFEM)の2つの重要なコンポーネントが含まれている。
• 参考スコア（独自算出の注目度）: 42.43494903334447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sea surface temperature (SST) is an essential indicator of global climate change and one of the most intuitive factors reflecting ocean conditions. Obtaining high-resolution SST data remains challenging due to limitations in physical imaging, and super-resolution via deep neural networks is a promising solution. Recently, Mamba-based approaches leveraging State Space Models (SSM) have demonstrated significant potential for long-range dependency modeling with linear complexity. However, their application to SST data super-resolution remains largely unexplored. To this end, we propose the Wavelet-assisted Mamba Super-Resolution (WMSR) framework for satellite-derived SST data. The WMSR includes two key components: the Low-Frequency State Space Module (LFSSM) and High-Frequency Enhancement Module (HFEM). The LFSSM uses 2D-SSM to capture global information of the input data, and the robust global modeling capabilities of SSM are exploited to preserve the critical temperature information in the low-frequency component. The HFEM employs the pixel difference convolution to match and correct the high-frequency feature, achieving accurate and clear textures. Through comprehensive experiments on three SST datasets, our WMSR demonstrated superior performance over state-of-the-art methods. Our codes and datasets will be made publicly available at https://github.com/oucailab/WMSR.
• Abstract（参考訳）: 海面温度(SST)は、地球規模の気候変動の重要な指標であり、海洋環境を反映する最も直感的な要因の1つである。 物理画像の制限のため、高解像度のSSTデータを取得することは依然として困難であり、ディープニューラルネットワークによる超高解像度化は有望な解決策である。 近年,状態空間モデル(SSM)を応用したマンバのアプローチは,線形複雑性を伴う長距離依存性モデリングに有意な可能性を示唆している。 しかし、SSTデータ超解像への応用はいまだに未定である。 そこで本稿では,衛星SSTデータに対するWavelet-assisted Mamba Super-Resolution (WMSR) フレームワークを提案する。 WMSRには、LFSSM(low-Frequency State Space Module)とHFEM(High-Frequency Enhancement Module)の2つの重要なコンポーネントが含まれている。 LFSSMは2D-SSMを用いて入力データのグローバル情報をキャプチャし、低周波成分の臨界温度情報を保存するためにSSMの堅牢なグローバルモデリング能力を利用する。 HFEMは、高精度で明瞭なテクスチャを達成し、高周波特徴の一致と補正に画素差畳み込みを用いる。 3つのSSTデータセットに関する総合的な実験を通して、我々のWMSRは最先端の手法よりも優れた性能を示した。 私たちのコードとデータセットはhttps://github.com/oucailab/WMSR.comで公開されます。

関連論文リスト

• Metadata, Wavelet, and Time Aware Diffusion Models for Satellite Image Super Resolution [4.307648859471193]
  MWT-Diffは、衛星画像超解像(SR)のための革新的なフレームワークである フレームワークの中核は、新しいメタデータ、ウェーブレット、タイムアウェアエンコーダ(MWT-Encoder)である。 埋め込み特徴表現は階層的拡散力学を駆使し、モデルが低解像度入力から高解像度衛星画像を徐々に再構成する。
  論文  参考訳（メタデータ） (2025-06-30T07:19:50Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• PolSAM: Polarimetric Scattering Mechanism Informed Segment Anything Model [76.95536611263356]
  PolSARデータは、そのリッチで複雑な特徴のために、ユニークな課題を提示する。 複素数値データ、偏光特性、振幅画像などの既存のデータ表現が広く使われている。 PolSARのほとんどの機能抽出ネットワークは小さく、機能を効果的にキャプチャする能力を制限している。 本稿では,ドメイン固有の散乱特性と新規なプロンプト生成戦略を統合したSegment Anything Model (SAM) であるPolarimetric Scattering Mechanism-Informed SAM (PolSAM)を提案する。
  論文  参考訳（メタデータ） (2024-12-17T09:59:53Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• OceanBench: The Sea Surface Height Edition [5.307677318971956]
  オーシャンサテライトデータは、その空間性や不規則なサンプリング、信号の複雑さ、ノイズによる情報抽出の課題を示す。 機械学習(ML)技術は、大規模で複雑な信号を扱う能力を実証している。 OceanBenchは、ドメインエキスパート標準に準拠した標準化された処理ステップを提供する統一フレームワークである。
  論文  参考訳（メタデータ） (2023-09-27T12:00:40Z)
• Transforming Observations of Ocean Temperature with a Deep Convolutional Residual Regressive Neural Network [0.0]
  海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。 ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。 本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。 我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
  論文  参考訳（メタデータ） (2023-06-16T17:35:11Z)
• 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。