論文の概要: HYDRA: HYbrid knowledge Distillation and spectral Reconstruction Algorithm for high channel hyperspectral camera applications

• arxiv url: http://arxiv.org/abs/2510.16664v1
• Date: Sat, 18 Oct 2025 23:29:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.088172
• Title: HYDRA: HYbrid knowledge Distillation and spectral Reconstruction Algorithm for high channel hyperspectral camera applications
• Title（参考訳）: HYDRA:ハイブリド知識蒸留とスペクトル再構成アルゴリズムによる高チャンネルハイパースペクトルカメラへの応用
• Authors: Christopher Thirgood, Oscar Mendez, Erin Ling, Jon Storey, Simon Hadfield,
• Abstract要約: 本稿では, ハイブリッド・ナレッジ・ディスタンス・コンストラクション・アーキテクチャ(HYDRA)を用いたスペクトル再構成手法を提案する。 潜時ハイパースペクトル画像データをカプセル化する教師モデルと、自然画像から教師の符号化領域へのマッピングを学習する学生モデルを用いて、高品質なスペクトル再構成を実現する。 これは以前のSRモデルの鍵となる制限に対処し、精度が18%向上し、様々なチャネル深さでの現在のSOTAモデルよりも高速な推論時間を含む、すべてのメトリクスでSOTA性能を提供する。
• 参考スコア（独自算出の注目度）: 11.883404434697809
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral images (HSI) promise to support a range of new applications in computer vision. Recent research has explored the feasibility of generalizable Spectral Reconstruction (SR), the problem of recovering a HSI from a natural three-channel color image in unseen scenarios. However, previous Multi-Scale Attention (MSA) works have only demonstrated sufficient generalizable results for very sparse spectra, while modern HSI sensors contain hundreds of channels. This paper introduces a novel approach to spectral reconstruction via our HYbrid knowledge Distillation and spectral Reconstruction Architecture (HYDRA). Using a Teacher model that encapsulates latent hyperspectral image data and a Student model that learns mappings from natural images to the Teacher's encoded domain, alongside a novel training method, we achieve high-quality spectral reconstruction. This addresses key limitations of prior SR models, providing SOTA performance across all metrics, including an 18\% boost in accuracy, and faster inference times than current SOTA models at various channel depths.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)は、コンピュータビジョンにおける様々な新しいアプリケーションをサポートすることを約束する。 近年の研究では、一般化可能なスペクトル再構成(SR)の実現可能性について検討されている。 しかし、MSA(Multi-Scale Attention)の研究は、非常にスパースなスペクトルに対して十分な一般化可能な結果しか示さず、現代のHSIセンサーには数百のチャネルが含まれている。 本稿では,Hybrid knowledge Distillation and Spectrum Reconstruction Architecture (HYDRA)によるスペクトル再構成手法を提案する。 潜時ハイパースペクトル画像データをカプセル化する教師モデルと、自然画像から教師の符号化領域へのマッピングを学習する学生モデルと、新しい訓練方法とともに、高品質なスペクトル再構成を実現する。 これは以前のSRモデルの鍵となる制限に対処し、精度が18\%向上し、様々なチャネル深さでの現在のSOTAモデルよりも高速な推論時間を含む、すべてのメトリクスでSOTA性能を提供する。

関連論文リスト

• 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)
• MP-HSIR: A Multi-Prompt Framework for Universal Hyperspectral Image Restoration [15.501904258858112]
  ハイパースペクトル画像(HSI)は、イメージング中に多彩で未知の劣化に悩まされることが多い。 既存のHSI復元法は特定の劣化仮定に依存しており、複雑なシナリオでの有効性を制限している。 我々は,スペクトル,テキスト,視覚的プロンプトを効果的に統合し,汎用的なHSI復元を実現する,新しいマルチプロンプトフレームワークである textbfMP-HSIR を提案する。
  論文  参考訳（メタデータ） (2025-03-12T07:40:49Z)
• 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)
• Deep learning-based hyperspectral image reconstruction for quality assessment of agro-product [0.0]
  本研究の目的は,農業用深層学習によるRGB画像からのハイパースペクトル画像の再構成である。 アルゴリズムは、RGB画像からのハイパースペクトル画像を正確に再構成し、その結果のスペクトルは、地上構造と密接に一致した。 これらの知見は,様々な農業用ツールとして,ディープラーニングに基づくハイパースペクトル画像再構成の可能性を強調した。
  論文  参考訳（メタデータ） (2024-05-20T18:15:20Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• MST++: Multi-stage Spectral-wise Transformer for Efficient Spectral Reconstruction [148.26195175240923]
  効率的なスペクトル再構成のためのマルチステージスペクトル変換器(MST++)を提案する。 NTIRE 2022 Spectral Reconstruction Challengeでは、私たちのアプローチが優勝しました。
  論文  参考訳（メタデータ） (2022-04-17T02:39:32Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Implicit Neural Representation Learning for Hyperspectral Image Super-Resolution [0.0]
  Inlicit Neural Representations (INR)は、新しい効果的な表現として進歩を遂げている。 本稿では、空間座標を対応するスペクトル放射率値にマッピングする連続関数により、HSIを表すINRに基づく新しいHSI再構成モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-20T14:07:54Z)

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。