論文の概要: HyperAIRI: a plug-and-play algorithm for precise hyperspectral image reconstruction in radio interferometry

• arxiv url: http://arxiv.org/abs/2510.15198v1
• Date: Thu, 16 Oct 2025 23:49:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.417255
• Title: HyperAIRI: a plug-and-play algorithm for precise hyperspectral image reconstruction in radio interferometry
• Title（参考訳）: ラジオインターフェロメトリーにおける高精度ハイパースペクトル画像再構成のためのプラグアンドプレイアルゴリズムHyperAIRI
• Authors: Chao Tang, Arwa Dabbech, Adrian Jackson, Yves Wiaux,
• Abstract要約: 本稿では,ハイパースペクトルの拡張であるHyperAIRIを紹介する。 それぞれのスペクトルチャネルについて、HyperAIRI denoiserは現在の画像推定を入力として、隣接する2つのチャネルとスペクトルインデックスマップを推定する。 様々なダイナミックレンジに対応するため,事前に訓練したデノイザーの棚を組み立て,それぞれが特定のダイナミックレンジに合わせて調整する。
• 参考スコア（独自算出の注目度）: 9.387735688431862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The next-generation radio-interferometric (RI) telescopes require imaging algorithms capable of forming high-resolution high-dynamic-range images from large data volumes spanning wide frequency bands. Recently, AIRI, a plug-and-play (PnP) approach taking the forward-backward algorithmic structure (FB), has demonstrated state-of-the-art performance in monochromatic RI imaging by alternating a data-fidelity step with a regularisation step via learned denoisers. In this work, we introduce HyperAIRI, its hyperspectral extension, underpinned by learned hyperspectral denoisers enforcing a power-law spectral model. For each spectral channel, the HyperAIRI denoiser takes as input its current image estimate, alongside estimates of its two immediate neighbouring channels and the spectral index map, and provides as output its associated denoised image. To ensure convergence of HyperAIRI, the denoisers are trained with a Jacobian regularisation enforcing non-expansiveness. To accommodate varying dynamic ranges, we assemble a shelf of pre-trained denoisers, each tailored to a specific dynamic range. At each HyperAIRI iteration, the spectral channels of the target image cube are updated in parallel using dynamic-range-matched denoisers from the pre-trained shelf. The denoisers are also endowed with a spatial image faceting functionality, enabling scalability to varied image sizes. Additionally, we formally introduce Hyper-uSARA, a variant of the optimisation-based algorithm HyperSARA, promoting joint sparsity across spectral channels via the l2,1-norm, also adopting FB. We evaluate HyperAIRI's performance on simulated and real observations. We showcase its superior performance compared to its optimisation-based counterpart Hyper-uSARA, CLEAN's hyperspectral variant in WSClean, and the monochromatic imaging algorithms AIRI and uSARA.
• Abstract（参考訳）: 次世代のRI望遠鏡は、広い周波数帯域にまたがる大容量のデータから高解像度の高ダイナミックレンジ画像を生成することができる画像アルゴリズムを必要とする。 近年,前向きアルゴリズム構造(FB)を取り入れたプラグアンドプレイ(PnP)アプローチであるAIRIは,データ忠実度ステップと正規化ステップの交互化により,単色RIイメージングにおける最先端性能を実証している。 本研究では,そのハイパースペクトル拡張であるHyperAIRIを紹介する。 それぞれのスペクトルチャネルに対して、HyperAIRI denoiserは現在の画像推定を入力として、隣接する2つのチャネルとスペクトルインデックスマップの見積と合わせて取り、関連する画像の出力として提供する。 ハイパーAIRIの収束を確保するため、デノイザーは非拡張性を強制するジャコビアン正規化で訓練される。 様々なダイナミックレンジに対応するため,事前に訓練したデノイザーの棚を組み立て,それぞれが特定のダイナミックレンジに合わせて調整する。 それぞれのHyperAIRIイテレーションでは、トレーニング済み棚からのダイナミックレンジマッチングデノイザを用いて、ターゲット画像キューブのスペクトルチャネルを並列に更新する。 また、デノイザには空間像のフェースティング機能があり、様々な画像サイズへのスケーラビリティが期待できる。 さらに、最適化に基づくアルゴリズムHyperSARAの変種であるHyper-uSARAを正式に導入し、l2,1-normを介してスペクトルチャネル間の共分散を促進し、FBも採用した。 シミュレーションおよび実観測におけるHyperAIRIの性能評価を行った。 本稿では,WSClean における CLEAN のハイパースペクトル変種である Hyper-uSARA や,モノクロ画像アルゴリズム AIRI と uSARA と比較して,優れた性能を示す。

関連論文リスト

• Hyperspectral Adapter for Semantic Segmentation with Vision Foundation Models [18.24287471339871]
  ハイパースペクトルイメージング(HSI)は、多数の狭い波長帯にわたる密度のスペクトル測定とともに空間情報をキャプチャする。 本アーキテクチャでは、スペクトル変換器とスペクトル対応空間先行モジュールを組み込んで、豊富な空間スペクトル特徴を抽出する。 我々のアーキテクチャは、HSI入力を直接使用しながら、最先端のセマンティックセマンティックセマンティックセマンティクス性能を実現し、ビジョンベースとハイパースペクトルセマンティクスの両方のセマンティクス法より優れている。
  論文  参考訳（メタデータ） (2025-09-24T13:32:07Z)
• Hyperspectral Gaussian Splatting [9.744861764579706]
  ハイパースペクトルシーンの暗黙的なニューラル表現を作成するために、3次元再構成法が用いられている。 NeRFは最先端の暗黙の表現であり、任意の方向から各空間位置のハイパースペクトルチャネル合成を描画することができる。 本研究では,ハイパースペクトルシーンを3次元的に再現し,スペクトル領域全体に対する新規なビュー合成を可能にするために,ハイパースペクトルガウススプラッティング(HS-GS)を提案する。
  論文  参考訳（メタデータ） (2025-05-28T02:07:52Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  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。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• A Hybrid Wavelet-Fourier Method for Next-Generation Conditional Diffusion Models [0.0]
  本稿では、拡散パラダイムをハイブリッド周波数表現に適応させる新しい生成モデリングフレームワーク、Wavelet-Fourier-Diffusionを提案する。 ハイブリッド周波数に基づく表現は,大域的コヒーレンスと微妙なテクスチャ合成の制御をいかに改善するかを示す。
  論文  参考訳（メタデータ） (2025-04-04T17:11:04Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• 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)
• Image reconstruction algorithms in radio interferometry: from handcrafted to learned denoisers [7.1439425093981574]
  本稿では,プラグイン・アンド・プレイ方式にヒントを得た,無線干渉計測のための新しい画像再構成アルゴリズムを提案する。 このアプローチは、ディープニューラルネットワーク(DNN)をノイズとしてトレーニングすることで、事前の画像モデルを学ぶことで構成される。 学習したデノイザをフォワード-バックワード最適化アルゴリズムにプラグインし、デノイザのステップをグラデーション-ディフレッシュなデータ-忠実度ステップで交互に繰り返す単純な反復構造を与える。
  論文  参考訳（メタデータ） (2022-02-25T20:26:33Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)

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。