論文の概要: A Dual-Domain Convolutional Network for Hyperspectral Single-Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2512.09546v1
• Date: Wed, 10 Dec 2025 11:35:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.497894
• Title: A Dual-Domain Convolutional Network for Hyperspectral Single-Image Super-Resolution
• Title（参考訳）: ハイパースペクトル単一画像超解像のためのデュアルドメイン畳み込みネットワーク
• Authors: Murat Karayaka, Usman Muhammad, Jorma Laaksonen, Md Ziaul Hoque, Tapio Seppänen,
• Abstract要約: 本研究では、空間ネットと離散ウェーブレット変換(DWT)を組み合わせた軽量デュアルスペクトル超解像ネットワーク(DDSR)を提案する。 これにより、DWTはサブバンド分解を可能にし、逆DWTは最終的な高解像度出力を再構成する。
• 参考スコア（独自算出の注目度）: 8.519509632972666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a lightweight dual-domain super-resolution network (DDSRNet) that combines Spatial-Net with the discrete wavelet transform (DWT). Specifically, our proposed model comprises three main components: (1) a shallow feature extraction module, termed Spatial-Net, which performs residual learning and bilinear interpolation; (2) a low-frequency enhancement branch based on the DWT that refines coarse image structures; and (3) a shared high-frequency refinement branch that simultaneously enhances the LH (horizontal), HL (vertical), and HH (diagonal) wavelet subbands using a single CNN with shared weights. As a result, the DWT enables subband decomposition, while the inverse DWT reconstructs the final high-resolution output. By doing so, the integration of spatial- and frequency-domain learning enables DDSRNet to achieve highly competitive performance with low computational cost on three hyperspectral image datasets, demonstrating its effectiveness for hyperspectral image super-resolution.
• Abstract（参考訳）: 本研究では、Spatial-Netと離散ウェーブレット変換(DWT)を組み合わせた軽量デュアルドメイン超解像ネットワーク(DDSRNet)を提案する。 具体的には,(1)残差学習と双線形補間を行うSpatial-Netと呼ばれる浅い特徴抽出モジュール,(2)粗い画像構造を洗練するDWTに基づく低周波拡張ブランチ,(3)LH(水平方向),HL(垂直方向),HH(対角方向)ウェーブレットサブバンドを共有重み付き単一CNNを用いて同時に拡張する共有高周波改良ブランチの3つの主成分からなる。 その結果、DWTはサブバンド分解が可能となり、逆DWTは最終的な高分解能出力を再構成する。 これにより、空間領域と周波数領域の学習の統合により、DDSRNetは3つのハイパースペクトル画像データセットに対して低計算コストで高い競争性能を達成でき、ハイパースペクトル画像の超解像に対するその有効性を示すことができる。

関連論文リスト

• BasicAVSR: Arbitrary-Scale Video Super-Resolution via Image Priors and Enhanced Motion Compensation [70.27358326228399]
  任意スケールビデオ超解像(AVSR)のためのベーシックAVSRを提案する。 AVSRは、ビデオフレームの解像度、潜在的に様々なスケーリング要素を強化することを目的としている。 超高分解能, 一般化能力, 推論速度の点で, BasicAVSR は既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-10-30T05:08:45Z)
• Hybrid-Domain Synergistic Transformer for Hyperspectral Image Denoising [3.7420648748151977]
  本稿では,周波数領域拡張とマルチスケールモデリングに基づくHSIデノナイズフレームワークであるHybrid-Domain Synergistic Transformer Network (HDST)を提案する。 実データと合成データの両方の実験により、HDSTはデノイング性能を著しく改善することが示された。 本研究は,HSIやその他の高次元視覚データにおける複雑なノイズカップリング問題に対処するための新たな洞察と普遍的な枠組みを提供する。
  論文  参考訳（メタデータ） (2025-07-27T01:45:29Z)
• SuperNeRF-GAN: A Universal 3D-Consistent Super-Resolution Framework for Efficient and Enhanced 3D-Aware Image Synthesis [59.73403876485574]
  本稿では,3次元連続超解像のための汎用フレームワークであるSuperNeRF-GANを提案する。 SuperNeRF-GANの重要な特徴は、NeRFベースの3D認識画像合成手法とのシームレスな統合である。 実験により, 提案手法の効率性, 3次元整合性, 品質が示された。
  論文  参考訳（メタデータ） (2025-01-12T10:31:33Z)
• Hyperspectral Image Super-Resolution via Dual-domain Network Based on Hybrid Convolution [6.3814314790000415]
  本稿ではハイブリッド畳み込み(SRDNet)に基づく新しいHSI超解像アルゴリズムを提案する。 スペクトル間自己相似性を捉えるため、空間領域に自己注意学習機構(HSL)を考案する。 HSIの知覚品質をさらに向上するため、周波数領域のモデルを最適化するために周波数損失(HFL)を導入した。
  論文  参考訳（メタデータ） (2023-04-10T13:51:28Z)
• A Triple-Double Convolutional Neural Network for Panchromatic Sharpening [31.392337484731783]
  パンシャルペニング(英: Pansharpening)とは、空間分解能の高いパンクロマティック画像と、空間分解能の低いマルチスペクトル画像の融合を指す。 本稿では,パンシャーピングのためのレベルドメインに基づく損失関数を持つ新しいディープニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-04T04:22:11Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)
• 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。