論文の概要: OpenSR-SRGAN: A Flexible Super-Resolution Framework for Multispectral Earth Observation Data

• arxiv url: http://arxiv.org/abs/2511.10461v1
• Date: Fri, 14 Nov 2025 01:52:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.879592
• Title: OpenSR-SRGAN: A Flexible Super-Resolution Framework for Multispectral Earth Observation Data
• Title（参考訳）: OpenSR-SRGAN:マルチスペクトル地球観測データのためのフレキシブル超解像フレームワーク
• Authors: Simon Donike, Cesar Aybar, Julio Contreras, Luis Gómez-Chova,
• Abstract要約: 我々は、地球観測における単一画像超解像のためのオープンでモジュラーなフレームワークOpenSR-SRGANを提案する。 OpenSR-SRGANは、ジェネレータ、識別器、損失関数、および簡潔な設定ファイルによるトレーニングスケジュールを公開する。 一般的なリモートセンシングシナリオのための準備の整った設定が付属する。
• 参考スコア（独自算出の注目度）: 1.5749416770494706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present OpenSR-SRGAN, an open and modular framework for single-image super-resolution in Earth Observation. The software provides a unified implementation of SRGAN-style models that is easy to configure, extend, and apply to multispectral satellite data such as Sentinel-2. Instead of requiring users to modify model code, OpenSR-SRGAN exposes generators, discriminators, loss functions, and training schedules through concise configuration files, making it straightforward to switch between architectures, scale factors, and band setups. The framework is designed as a practical tool and benchmark implementation rather than a state-of-the-art model. It ships with ready-to-use configurations for common remote sensing scenarios, sensible default settings for adversarial training, and built-in hooks for logging, validation, and large-scene inference. By turning GAN-based super-resolution into a configuration-driven workflow, OpenSR-SRGAN lowers the entry barrier for researchers and practitioners who wish to experiment with SRGANs, compare models in a reproducible way, and deploy super-resolution pipelines across diverse Earth-observation datasets.
• Abstract（参考訳）: 我々は、地球観測における単一画像超解像のためのオープンでモジュラーなフレームワークOpenSR-SRGANを提案する。 このソフトウェアはSRGANスタイルのモデルの統一実装を提供しており、Sentinel-2のようなマルチスペクトル衛星データの設定、拡張、適用が容易である。 ユーザがモデルコードを変更する代わりに、OpenSR-SRGANはジェネレータ、識別器、損失関数、および簡潔な設定ファイルによるトレーニングスケジュールを公開し、アーキテクチャ、スケールファクタ、バンドの設定を簡単に切り替える。 このフレームワークは、最先端のモデルではなく、実用的なツールとベンチマーク実装として設計されている。 一般的なリモートセンシングシナリオのための準備の整った設定、敵のトレーニングのための適切なデフォルト設定、ロギング、バリデーション、大画面推論のためのビルトインフックが付属している。 GANベースの超解像を構成駆動のワークフローに変換することで、SRGANを実験し、再現可能な方法でモデルを比較し、さまざまな地球観測データセットに超解像パイプラインをデプロイしたい研究者や実践者の参入障壁を低くする。

関連論文リスト

• Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
  Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。 textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。 RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
  論文  参考訳（メタデータ） (2025-09-15T15:24:49Z)
• Annotation-Free Open-Vocabulary Segmentation for Remote-Sensing Images [51.74614065919118]
  本稿では,アノテーションのないRS画像のオープン語彙セグメンテーションのための最初のフレームワークであるSegEarth-OVを紹介する。 粗い特徴から高分解能空間の詳細を頑健に復元する普遍的なアップサンプラーであるSimFeatUpを提案する。 また、パッチ機能から固有のグローバルコンテキストを抽出するための、シンプルで効果的なグローバルバイアス緩和操作も提示する。
  論文  参考訳（メタデータ） (2025-08-25T14:22:57Z)
• MambaVSR: Content-Aware Scanning State Space Model for Video Super-Resolution [33.457410717030946]
  超高解像度ビデオのための最初の状態空間モデルフレームワークであるMambaVSRを提案する。 MambaVSRは共有コンパス構築(SCC)とコンテンツ認識シーケンス化(CAS)を通じて動的相互作用を可能にする CASモジュールは、学習された空間秩序に沿って時間的特徴をインターリーブすることにより、複数のフレームにまたがる非局所的な類似コンテンツを効果的に調整し集約する。
  論文  参考訳（メタデータ） (2025-06-13T13:22:28Z)
• Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
  我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。 既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。 提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
  論文  参考訳（メタデータ） (2025-06-10T16:48:27Z)
• Efficient Multi-Instance Generation with Janus-Pro-Dirven Prompt Parsing [53.295515505026096]
  Janus-Pro-driven Prompt Parsingは、テキスト理解とレイアウト生成をブリッジするプロンプト解析モジュールである。 MIGLoRAはパラメータ効率の良いプラグインで、低ランク適応を UNet (SD1.5) と DiT (SD3) のバックボーンに統合する。 提案手法はパラメータ効率を維持しつつCOCOおよびLVISベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-03-27T00:59:14Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• Learning Detail-Structure Alternative Optimization for Blind Super-Resolution [69.11604249813304]
  そこで我々は,ブラインドSRに先立ってカーネルを曖昧にすることなく,再帰的な詳細構造代替最適化を実現する,有効かつカーネルフリーなネットワークDSSRを提案する。 DSSRでは、細部構造変調モジュール(DSMM)が構築され、画像の詳細と構造の相互作用と協調を利用する。 本手法は既存の手法に対して最先端の手法を実現する。
  論文  参考訳（メタデータ） (2022-12-03T14:44:17Z)
• Retrieval and Localization with Observation Constraints [12.010135672015704]
  RLOCSと呼ばれる視覚的再局在化手法を提案する。 画像検索、意味整合性、幾何学的検証を組み合わせて正確な推定を行う。 本手法は, ローカライゼーションベンチマークにおいて多くの性能向上を実現している。
  論文  参考訳（メタデータ） (2021-08-19T06:14:33Z)

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。