論文の概要: SpectraMorph: Structured Latent Learning for Self-Supervised Hyperspectral Super-Resolution

• arxiv url: http://arxiv.org/abs/2510.20814v1
• Date: Thu, 23 Oct 2025 17:59:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:18.54489
• Title: SpectraMorph: Structured Latent Learning for Self-Supervised Hyperspectral Super-Resolution
• Title（参考訳）: SpectraMorph:自己監督型ハイパースペクトル超解法のための構造化潜在学習
• Authors: Ritik Shah, Marco F Duarte,
• Abstract要約: ハイパースペクトルセンサーは1ピクセルあたりの高密度スペクトルをキャプチャするが、空間分解能は低い。 マルチスペクトル、RGB、パンクロマチックカメラなどの共登録のセンサーは、高解像度の空間的詳細を提供する。 物理誘導型自己教師型核融合フレームワークSpectraMorphを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral sensors capture dense spectra per pixel but suffer from low spatial resolution, causing blurred boundaries and mixed-pixel effects. Co-registered companion sensors such as multispectral, RGB, or panchromatic cameras provide high-resolution spatial detail, motivating hyperspectral super-resolution through the fusion of hyperspectral and multispectral images (HSI-MSI). Existing deep learning based methods achieve strong performance but rely on opaque regressors that lack interpretability and often fail when the MSI has very few bands. We propose SpectraMorph, a physics-guided self-supervised fusion framework with a structured latent space. Instead of direct regression, SpectraMorph enforces an unmixing bottleneck: endmember signatures are extracted from the low-resolution HSI, and a compact multilayer perceptron predicts abundance-like maps from the MSI. Spectra are reconstructed by linear mixing, with training performed in a self-supervised manner via the MSI sensor's spectral response function. SpectraMorph produces interpretable intermediates, trains in under a minute, and remains robust even with a single-band (pan-chromatic) MSI. Experiments on synthetic and real-world datasets show SpectraMorph consistently outperforming state-of-the-art unsupervised/self-supervised baselines while remaining very competitive against supervised baselines.
• Abstract（参考訳）: ハイパースペクトルセンサーは1ピクセルあたりの高密度スペクトルをキャプチャするが、空間分解能が低く、ぼやけた境界線と混合ピクセル効果を引き起こす。 マルチスペクトル、RGB、パンクロマティックカメラなどの共存センサーは高解像度の空間的詳細を提供し、ハイパースペクトルとマルチスペクトルの融合(HSI-MSI)を通じてハイパースペクトルの超解像を動機付けている。 既存のディープラーニングベースの手法は高いパフォーマンスを実現するが、解釈可能性に欠ける不透明な回帰器に依存しており、MSIにはほとんどバンドがない場合、しばしば失敗する。 物理誘導型自己教師型核融合フレームワークSpectraMorphを提案する。 スペクトルマーフは直接回帰ではなく、低解像度のHSIからエンドメンバーシグネチャを抽出し、コンパクトな多層パーセプトロンはMSIからアバンダンス様の地図を予測する。 スペクトルは線形混合により再構成され、MSIセンサーのスペクトル応答関数を介して自己監督的な訓練が行われる。 SpectraMorphは解釈可能な中間体を生成し、1分以内で列車を走らせ、シングルバンド(パンクロマチック)のMSIでも頑丈である。 合成データセットと実世界のデータセットの実験では、SpectraMorphは、教師なしベースラインに対して非常に競争力を維持しながら、最先端の教師なしベースラインを一貫して上回っている。

関連論文リスト

• SpectraLift: Physics-Guided Spectral-Inversion Network for Self-Supervised Hyperspectral Image Super-Resolution [0.0]
  高分解能高分解能マルチスペクトル画像(HR-MSI)と低分解能高分解能ハイパースペクトル画像(LR-HSI)を融合させることは、微細な空間構造を復元するための有望な経路である。 MSIのスペクトル応答(SRF)のみを用いてLR-HSIとHR-MSI入力を融合する完全自己教師型フレームワークSpectraLiftを提案する。 推測において、SpectraLiftはトレーニングされたネットワークを使用してHR-MSIピクセルをHR-HSI推定にマッピングする。
  論文  参考訳（メタデータ） (2025-07-17T17:57:18Z)
• 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)
• HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
  Hyper SIGMAは、タスクやシーン間でHSI解釈を統合するビジョントランスフォーマーベースの基礎モデルである。 さらに,約450Kのハイパースペクトル画像を含む,事前学習のための大規模ハイパースペクトルデータセットHyperGlobal-450Kを構築した。
  論文  参考訳（メタデータ） (2024-06-17T13:22:58Z)
• SpectralMamba: Efficient Mamba for Hyperspectral Image Classification [39.18999103115206]
  リカレントニューラルネットワークとトランスフォーマーは、ハイパースペクトル(HS)イメージングにおけるほとんどの応用を支配している。 我々は、HS画像分類のための効率的なディープラーニングフレームワークを組み込んだ新しい状態空間モデルであるSpectralMambaを提案する。 SpectralMambaは、パフォーマンスと効率の両面から、驚くほど有望な勝利を生み出している。
  論文  参考訳（メタデータ） (2024-04-12T14:12:03Z)
• Unsupervised Spectral Demosaicing with Lightweight Spectral Attention Networks [6.7433262627741914]
  本稿では、教師なしで訓練された深層学習に基づくスペクトル復調手法を提案する。 提案手法は, 空間歪み抑制, スペクトル忠実度, 頑健性, 計算コストの観点から, 従来の教師なし手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-05T02:45:44Z)
• 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)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、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。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。