論文の概要: SatFusion: A Unified Framework for Enhancing Satellite IoT Images via Multi-Temporal and Multi-Source Data Fusion

• arxiv url: http://arxiv.org/abs/2510.07905v1
• Date: Thu, 09 Oct 2025 07:59:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.943683
• Title: SatFusion: A Unified Framework for Enhancing Satellite IoT Images via Multi-Temporal and Multi-Source Data Fusion
• Title（参考訳）: SatFusion: マルチテンポラルおよびマルチソースデータフュージョンによる衛星IoTイメージの統一フレームワーク
• Authors: Yufei Tong, Guanjie Cheng, Peihan Wu, Yicheng Zhu, Kexu Lu, Feiyi Chen, Meng Xi, Junqin Huang, Shuiguang Deng,
• Abstract要約: サテライト・インターネット・オブ・モノ(Sat-IoT)における衛星の拡散は、大規模なマルチテンポラリ画像とマルチソース画像の連続的な蓄積につながった。 既存の手法では、時間次元とソース次元の両方に埋め込まれた補完的な情報を十分に活用できない。 サットフュージョン: マルチテンポラル・マルチソースデータフュージョンによる衛星IoT画像の統一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）: 14.629492110235674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid advancement of the digital society, the proliferation of satellites in the Satellite Internet of Things (Sat-IoT) has led to the continuous accumulation of large-scale multi-temporal and multi-source images across diverse application scenarios. However, existing methods fail to fully exploit the complementary information embedded in both temporal and source dimensions. For example, Multi-Image Super-Resolution (MISR) enhances reconstruction quality by leveraging temporal complementarity across multiple observations, yet the limited fine-grained texture details in input images constrain its performance. Conversely, pansharpening integrates multi-source images by injecting high-frequency spatial information from panchromatic data, but typically relies on pre-interpolated low-resolution inputs and assumes noise-free alignment, making it highly sensitive to noise and misregistration. To address these issues, we propose SatFusion: A Unified Framework for Enhancing Satellite IoT Images via Multi-Temporal and Multi-Source Data Fusion. Specifically, SatFusion first employs a Multi-Temporal Image Fusion (MTIF) module to achieve deep feature alignment with the panchromatic image. Then, a Multi-Source Image Fusion (MSIF) module injects fine-grained texture information from the panchromatic data. Finally, a Fusion Composition module adaptively integrates the complementary advantages of both modalities while dynamically refining spectral consistency, supervised by a weighted combination of multiple loss functions. Extensive experiments on the WorldStrat, WV3, QB, and GF2 datasets demonstrate that SatFusion significantly improves fusion quality, robustness under challenging conditions, and generalizability to real-world Sat-IoT scenarios. The code is available at: https://github.com/dllgyufei/SatFusion.git.
• Abstract（参考訳）: デジタル社会の急速な進歩により、衛星インターネット・オブ・モノ(Sat-IoT)における衛星の拡散は、多様なアプリケーションシナリオにわたる大規模なマルチテンポラルおよびマルチソースイメージの継続的な蓄積につながった。 しかし、既存の手法は時間次元とソース次元の両方に埋め込まれた補完的な情報を十分に活用することができない。 例えば、Multi- Image Super-Resolution (MISR)は、複数の観察における時間的相補性を活用することで、再構成品質を向上させるが、入力画像におけるきめ細かいテクスチャの詳細は、その性能を制限している。 逆に、パンシャーペニングは、パンクロマティックデータから高周波空間情報を注入することで、マルチソース画像を統合するが、通常はプリ補間された低解像度入力に依存し、ノイズのないアライメントを前提としており、ノイズや誤認識に非常に敏感である。 これらの問題に対処するために、SatFusion: A Unified Framework for Enhancing Satellite IoT Images via Multi-Temporal and Multi-Source Data Fusionを提案する。 具体的には、SatFusionはまず、マルチテンポラル画像融合(MTIF)モジュールを使用して、パンクロマチック画像と深い特徴アライメントを実現する。 次に、マルチソース画像融合(MSIF)モジュールは、パンクロマティックデータからきめ細かいテクスチャ情報を注入する。 最後に、フュージョン合成モジュールは、多重損失関数の重み付け結合によって監督されるスペクトル一貫性を動的に精製しながら、両モードの相補的な利点を適応的に統合する。 WorldStrat、WV3、QB、GF2データセットに関する大規模な実験は、SatFusionが核融合の品質、挑戦的な条件下での堅牢性、現実世界のSat-IoTシナリオへの一般化性を著しく改善することを示している。 コードは、https://github.com/dllgyufei/SatFusion.git.comで入手できる。

関連論文リスト

• FS-Diff: Semantic guidance and clarity-aware simultaneous multimodal image fusion and super-resolution [19.183004285219184]
  軍事偵察や長距離検知といった現実世界の応用では、マルチモーダル画像のターゲット構造と背景構造が容易に破損する。 FS-Diff, 意味指導, 明快な関節画像融合および超解像法を提案する。
  論文  参考訳（メタデータ） (2025-09-11T13:10:22Z)
• Fusion from Decomposition: A Self-Supervised Approach for Image Fusion and Beyond [74.96466744512992]
  画像融合の本質は、ソース画像からの相補的な情報を統合することである。 DeFusion++は、画像融合の品質を高め、下流の高レベル視覚タスクの有効性を高める、汎用的な融合表現を生成する。
  論文  参考訳（メタデータ） (2024-10-16T06:28:49Z)
• FusionMamba: Efficient Remote Sensing Image Fusion with State Space Model [35.57157248152558]
  現在のディープラーニング(DL)手法は、典型的には、特徴抽出と情報統合のために畳み込みニューラルネットワーク(CNN)またはトランスフォーマーを使用する。 本研究では,効率的なリモートセンシング画像融合法であるFusionMambaを提案する。
  論文  参考訳（メタデータ） (2024-04-11T17:29:56Z)
• A Dual Domain Multi-exposure Image Fusion Network based on the Spatial-Frequency Integration [57.14745782076976]
  マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。 本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。 提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
  論文  参考訳（メタデータ） (2023-12-17T04:45:15Z)
• DePF: A Novel Fusion Approach based on Decomposition Pooling for Infrared and Visible Images [7.11574718614606]
  分解プール法(デプール法)に基づく新しい融合ネットワークを提案し,これをDePFと呼ぶ。 切り離しに基づくエンコーダは、ソース画像のマルチスケール画像と詳細特徴を同時に抽出するように設計されている。 実験により,提案手法は最先端技術よりも優れた核融合性能を示すことが示された。
  論文  参考訳（メタデータ） (2023-05-27T05:47:14Z)
• Equivariant Multi-Modality Image Fusion [124.11300001864579]
  エンドツーエンドの自己教師型学習のための同変多モードImAge融合パラダイムを提案する。 我々のアプローチは、自然画像応答が特定の変換に等しくなるという以前の知識に根ざしている。 実験により、EMMAは赤外線可視画像と医用画像に高品質な融合結果をもたらすことが確認された。
  論文  参考訳（メタデータ） (2023-05-19T05:50:24Z)
• CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion [138.40422469153145]
  本稿では,CDDFuse(Relationed-Driven Feature Decomposition Fusion)ネットワークを提案する。 近赤外可視画像融合や医用画像融合など,複数の融合タスクにおいてCDDFuseが有望な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-11-26T02:40:28Z)
• Real-MFF: A Large Realistic Multi-focus Image Dataset with Ground Truth [58.226535803985804]
  我々はReal-MFFと呼ばれる大規模で現実的なマルチフォーカスデータセットを導入する。 データセットは、710対のソースイメージと対応する接地真理画像を含む。 このデータセット上で10の典型的なマルチフォーカスアルゴリズムを図示のために評価する。
  論文  参考訳（メタデータ） (2020-03-28T12:33:46Z)

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。