論文の概要: Enhancing Knowledge Transfer in Hyperspectral Image Classification via Cross-scene Knowledge Integration

• arxiv url: http://arxiv.org/abs/2512.08989v1
• Date: Mon, 08 Dec 2025 02:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.251638
• Title: Enhancing Knowledge Transfer in Hyperspectral Image Classification via Cross-scene Knowledge Integration
• Title（参考訳）: クロスシーン知識統合によるハイパースペクトル画像分類における知識伝達の促進
• Authors: Lu Huo, Wenjian Huang, Jianguo Zhang, Min Xu, Haimin Zhang,
• Abstract要約: CKI(Cross-scene Knowledge Integration)は、移動中にターゲット・プライベートな知識を明示的に組み込むフレームワークである。 CKIは、さまざまなクロスステージなHSIシナリオにまたがる安定性で、最先端のパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 20.304972437980112
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Knowledge transfer has strong potential to improve hyperspectral image (HSI) classification, yet two inherent challenges fundamentally restrict effective cross-domain transfer: spectral variations caused by different sensors and semantic inconsistencies across heterogeneous scenes. Existing methods are limited by transfer settings that assume homogeneous domains or heterogeneous scenarios with only co-occurring categories. When label spaces do not overlap, they further rely on complete source-domain coverage and therefore overlook critical target-private information. To overcome these limitations and enable knowledge transfer in fully heterogeneous settings, we propose Cross-scene Knowledge Integration (CKI), a framework that explicitly incorporates target-private knowledge during transfer. CKI includes: (1) Alignment of Spectral Characteristics (ASC) to reduce spectral discrepancies through domain-agnostic projection; (2) Cross-scene Knowledge Sharing Preference (CKSP), which resolves semantic mismatch via a Source Similarity Mechanism (SSM); and (3) Complementary Information Integration (CII) to maximize the use of target-specific complementary cues. Extensive experiments verify that CKI achieves state-of-the-art performance with strong stability across diverse cross-scene HSI scenarios.
• Abstract（参考訳）: 知識伝達は、ハイパースペクトル画像(HSI)の分類を改善する可能性が強いが、2つの固有の課題は、効果的なクロスドメイン転送を根本的に制限することである。 既存の手法は、同種領域を仮定する転送設定や、共起圏のみを持つ異種シナリオによって制限される。 ラベル空間が重複しない場合、これらは完全なソース・ドメインのカバレッジに依存するため、重要なターゲット・プライベート情報を見落としている。 これらの制約を克服し、完全に異種な環境下での知識伝達を可能にするために、移動中にターゲット・プライベートな知識を明示的に組み込むフレームワークであるクロス・シーン・ナレッジ統合(CKI)を提案する。 CKI は,(1) スペクトル特性のアライメント(ASC) と,(2) ドメインに依存しない投影によるスペクトルの相違の低減,(2) ソース類似性メカニズム(SSM) による意味的ミスマッチを解消するクロスシーン知識共有優先(CKSP) と,(3) 補完情報統合(CII) とを含む。 広範囲な実験により、CKIは様々なシーンのHSIシナリオにまたがって高い安定性で最先端のパフォーマンスを達成することが確かめられる。

関連論文リスト

• Agreement Disagreement Guided Knowledge Transfer for Cross-Scene Hyperspectral Imaging [13.858601384061197]
  本稿では,クロスシーン・トランスファーを強化するためのアグリーメント・ディグリーメント・ガイドド・ナレッジ・トランスファー(ADGKT)フレームワークを提案する。 フレームワークにはGradVacとLogitNormが含まれており、ソースとターゲットドメイン間の衝突を軽減するために勾配方向を調整している。 不一致成分は、異方性制限(DiR)とアンサンブル戦略からなり、様々な予測対象の特徴を捉えている。
  論文  参考訳（メタデータ） (2025-12-08T02:25:27Z)
• A Theory-Inspired Framework for Few-Shot Cross-Modal Sketch Person Re-Identification [5.499165736807566]
  スケッチをベースとした人物の再識別は、手描きのスケッチとRGBの監視画像とをマッチングすることを目的としている。 KTCAAは,数発のクロスモーダル一般化のためのフレームワークである。 我々は,KTCAAが特にデータスカース条件下で,最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-11-24T01:26:46Z)
• TransFIRA: Transfer Learning for Face Image Recognizability Assessment [73.61309363885552]
  TransFIRAは軽量でアノテーションのないフレームワークで、埋め込みスペースで直接認識できる。 顔以外の新しい拡張には、エンコーダで座屈した説明可能性があり、これは、劣化と被写体固有の要因が認識可能性にどのように影響するかを示す。 実験では、顔に対する最先端の結果、身体認識に対する強い堅牢性、およびデータセット間のシフトの下で確認された。
  論文  参考訳（メタデータ） (2025-10-07T18:16:21Z)
• Evidential Deep Learning with Spectral-Spatial Uncertainty Disentanglement for Open-Set Hyperspectral Domain Generalization [5.770351255180493]
  ハイパースペクトル画像分類のための新しいオープンセット領域一般化フレームワークを提案する。 このフレームワークは、SIFD(Spectrum-Invariant Frequency Disentanglement)、DCRN(Dual-Channel Residual Network)、EDL(Evidential Deep Learning)、SSUD(Spectral-Spatial Uncertainty Disentanglement)の4つの重要なコンポーネントを組み合わせている。 実験結果から,本手法は最先端のドメイン適応手法に匹敵する性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-06-11T07:07:14Z)
• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
  異常検出は、医学診断や工業的欠陥検出などの分野において重要である。 CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。 クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• Transformer-Driven Active Transfer Learning for Cross-Hyperspectral Image Classification [3.087068801861429]
  ハイパースペクトル画像(HSI)分類は、高スペクトル次元、重要な領域シフト、ラベル付きデータの可用性の制限による固有の課題を示す。 本稿では,空間スペクトル変換器(SST)のバックボーン上に構築された,新しいアクティブトランスファー学習(ATL)フレームワークを提案する。 このフレームワークは多段階移動学習と不確実性多様性駆動型能動学習機構を統合する。
  論文  参考訳（メタデータ） (2024-11-27T07:53:39Z)
• Unity in Diversity: Multi-expert Knowledge Confrontation and Collaboration for Generalizable Vehicle Re-identification [60.20318058777603]
  一般化可能な車両再識別(ReID)は、微調整や再訓練を必要とせず、未知のターゲットドメインに適応可能なモデルの開発を目指している。 これまでの研究は主に、ソースドメイン間のデータ分散を調整することで、ドメイン不変の機能の抽出に重点を置いてきた。 そこで本研究では,この問題を解決するために,2段階のMulti-expert Knowledge Confrontation and Collaboration(MiKeCoCo)手法を提案する。
  論文  参考訳（メタデータ） (2024-07-10T04:06:39Z)
• Generalizable Heterogeneous Federated Cross-Correlation and Instance Similarity Learning [60.058083574671834]
  本稿では,新しいFCCL+,フェデレーション相関と非ターゲット蒸留との類似性学習を提案する。 不均一な問題に対しては、無関係な公開データを通信に活用する。 局所的な更新段階における破滅的な忘れ物として、FCCL+はFederated Non Target Distillationを導入している。
  論文  参考訳（メタデータ） (2023-09-28T09:32:27Z)
• Joint Semantic Transfer Network for IoT Intrusion Detection [25.937401774982614]
  大規模で希少なラベル付きIoTドメインに対する効果的な侵入検出のための統合意味伝達ネットワーク(JSTN)を提案する。 マルチソースヘテロジニアスドメイン適応(MS-HDA)手法として、JSTNは知識豊富なネットワーク侵入(NI)ドメインと、別の小規模IoT侵入(II)ドメインをソースドメインとして統合する。 JSTNは、以下の3つのセマンティクスを共同で転送し、ドメイン不変かつ識別的特徴表現を学ぶ。
  論文  参考訳（メタデータ） (2022-10-28T05:34:28Z)
• Maximum Spatial Perturbation Consistency for Unpaired Image-to-Image Translation [56.44946660061753]
  本稿では,最大空間摂動整合(MSPC)と呼ばれる普遍正規化手法を提案する。 MSPCは空間摂動関数(T)と変換演算子(G)を可換(TG = GT)に強制する。 提案手法は,ほとんどのI2Iベンチマークにおいて最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-23T19:59:04Z)
• HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
  ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。 本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。 4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-30T14:27:50Z)

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。