論文の概要: Exploring the design space of diffusion and flow models for data fusion

• arxiv url: http://arxiv.org/abs/2510.21791v1
• Date: Mon, 20 Oct 2025 01:03:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.464346
• Title: Exploring the design space of diffusion and flow models for data fusion
• Title（参考訳）: データ融合のための拡散流モデルの設計空間の探索
• Authors: Niraj Chaudhari, Manmeet Singh, Naveen Sudharsan, Amit Kumar Srivastava, Harsh Kamath, Dushyant Mahajan, Ayan Paul,
• Abstract要約: 本研究では,防衛気象衛星計画のDMSP-OLS(Operational Linescan System)とVIIRS(Visible Infrared Imaging Radiometer Suite)の夜間光データの統合に焦点を当てた。 UNET,拡散,フローモデリングを含む2次元画像から画像への生成モデルの有効性を評価する。
• 参考スコア（独自算出の注目度）: 0.27362348479453213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data fusion is an essential task in various domains, enabling the integration of multi-source information to enhance data quality and insights. One key application is in satellite remote sensing, where fusing multi-sensor observations can improve spatial and temporal resolution. In this study, we explore the design space of diffusion and flow models for data fusion, focusing on the integration of Defense Meteorological Satellite Program's Operational Linescan System (DMSP-OLS) and Visible Infrared Imaging Radiometer Suite (VIIRS) nighttime lights data. Our approach leverages a diverse set of 2D image-to-image generative models, including UNET, diffusion, and flow modeling architectures. We evaluate the effectiveness of these architectures in satellite remote sensing data fusion, identifying diffusion models based on UNet as particularly adept at preserving fine-grained spatial details and generating high-fidelity fused images. We also provide guidance on the selection of noise schedulers in diffusion-based models, highlighting the trade-offs between iterative solvers for faster inference and discrete schedulers for higher-quality reconstructions. Additionally, we explore quantization techniques to optimize memory efficiency and computational cost without compromising performance. Our findings offer practical insights into selecting the most effective diffusion and flow model architectures for data fusion tasks, particularly in remote sensing applications, and provide recommendations for leveraging noise scheduling strategies to enhance fusion quality.
• Abstract（参考訳）: データ融合は、さまざまな領域において必須のタスクであり、マルチソース情報の統合により、データ品質と洞察を高めることができる。 1つの重要な応用は衛星リモートセンシングであり、マルチセンサーの観測で空間分解能と時間分解能が向上する。 本研究では,防衛気象衛星計画(DMSP-OLS)と可視赤外線放射計スイート(VIIRS)の夜間光データの統合に着目し,データ融合のための拡散流モデルの設計空間について検討する。 提案手法は,UNET,拡散,フローモデリングなど,多種多様な2次元画像から画像への生成モデルを利用する。 衛星リモートセンシングデータ融合におけるこれらのアーキテクチャの有効性を評価し、UNetに基づく拡散モデルについて、特に微細な空間的詳細を保存し、高忠実な融合画像を生成するのに適していると同定した。 また,拡散モデルにおけるノイズスケジューラの選択に関するガイダンスを提供し,高速な推論のための反復解法と高品質な再構成のための離散スケジューラとのトレードオフを強調した。 さらに、性能を損なうことなく、メモリ効率と計算コストを最適化するための量子化手法についても検討する。 本研究は,データ融合タスク,特にリモートセンシングアプリケーションにおいて,最も効果的な拡散・流動モデルアーキテクチャの選択に関する実践的な知見を提供し,融合品質を高めるためにノイズスケジューリング戦略を活用するための推奨事項を提供する。

関連論文リスト

• A Novel Cloud-Based Diffusion-Guided Hybrid Model for High-Accuracy Accident Detection in Intelligent Transportation Systems [21.082870778158313]
  誘導分類と拡散手法を組み合わせた新しいハイブリッドモデルを提案する。 私たちの実装はクラウドベースで、スケーラブルで効率的な処理を可能にしています。 提案した拡散モデルでは,97.32%の精度で画像に基づく事故検出を行う。
  論文  参考訳（メタデータ） (2025-10-04T05:02:15Z)
• Efficient Rectified Flow for Image Fusion [48.330480065862474]
  本稿では,画像融合のための1ステップの効率的な拡散モデルであるRFfusionを提案する。 また,画像融合に適したタスク固有の変分オートエンコーダアーキテクチャを提案する。 提案手法は,推算速度と融合品質の両方の観点から,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2025-09-20T06:21:00Z)
• Diffusion Models Without Attention [110.5623058129782]
  Diffusion State Space Model (DiffuSSM) は、よりスケーラブルな状態空間モデルバックボーンで注目メカニズムを置き換えるアーキテクチャである。 拡散訓練におけるFLOP効率の高いアーキテクチャへの注力は、大きな前進となる。
  論文  参考訳（メタデータ） (2023-11-30T05:15:35Z)
• SatDM: Synthesizing Realistic Satellite Image with Semantic Layout Conditioning using Diffusion Models [0.0]
  Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。 本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。 提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
  論文  参考訳（メタデータ） (2023-09-28T19:39:13Z)
• EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation [62.210091681352914]
  自律運転やロボティクスなど,多くのアプリケーションを対象とした3次元セマンティックセマンティックセグメンテーションのためのマルチセンサフュージョンについて検討する。 本研究では,知覚認識型マルチセンサフュージョン(PMF)と呼ばれる協調融合方式について検討する。 本稿では,2つのモードから特徴を分離して抽出する2ストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-21T10:47:26Z)
• Multi-Scale Boosted Dehazing Network with Dense Feature Fusion [92.92572594942071]
  U-Netアーキテクチャに基づくDense Feature Fusionを用いたマルチスケールブーストデハージングネットワークを提案する。 提案モデルでは,ベンチマークデータセットや実世界のハジー画像に対する最先端のアプローチに対して,好意的に機能することを示す。
  論文  参考訳（メタデータ） (2020-04-28T09:34:47Z)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。