論文の概要: Spectral Discrepancy and Cross-modal Semantic Consistency Learning for Object Detection in Hyperspectral Image

• arxiv url: http://arxiv.org/abs/2512.18245v1
• Date: Sat, 20 Dec 2025 07:03:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.250269
• Title: Spectral Discrepancy and Cross-modal Semantic Consistency Learning for Object Detection in Hyperspectral Image
• Title（参考訳）: ハイパースペクトル画像における物体検出のためのスペクトル離散性とクロスモーダルセマンティック整合性学習
• Authors: Xiao He, Chang Tang, Xinwang Liu, Wei Zhang, Zhimin Gao, Chuankun Li, Shaohua Qiu, Jiangfeng Xu,
• Abstract要約: スペクトル分解能の高いハイパースペクトル画像は、類似した物質の微妙な違いを認識するための新たな洞察を与える。 ハイパースペクトル画像における物体検出は、ハイパースペクトル間バンドの空間的差異により、クラス内およびクラス間類似性において重大な課題に直面している。 textbfSpectral textbfDiscrepancy と textbfCross-textbfModal semantic consistency learning (SDCM) という新しいネットワークを提案する。 提案手法は他の手法と比較して最先端の性能を実現する。
• 参考スコア（独自算出の注目度）: 40.38555448650773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral images with high spectral resolution provide new insights into recognizing subtle differences in similar substances. However, object detection in hyperspectral images faces significant challenges in intra- and inter-class similarity due to the spatial differences in hyperspectral inter-bands and unavoidable interferences, e.g., sensor noises and illumination. To alleviate the hyperspectral inter-bands inconsistencies and redundancy, we propose a novel network termed \textbf{S}pectral \textbf{D}iscrepancy and \textbf{C}ross-\textbf{M}odal semantic consistency learning (SDCM), which facilitates the extraction of consistent information across a wide range of hyperspectral bands while utilizing the spectral dimension to pinpoint regions of interest. Specifically, we leverage a semantic consistency learning (SCL) module that utilizes inter-band contextual cues to diminish the heterogeneity of information among bands, yielding highly coherent spectral dimension representations. On the other hand, we incorporate a spectral gated generator (SGG) into the framework that filters out the redundant data inherent in hyperspectral information based on the importance of the bands. Then, we design the spectral discrepancy aware (SDA) module to enrich the semantic representation of high-level information by extracting pixel-level spectral features. Extensive experiments on two hyperspectral datasets demonstrate that our proposed method achieves state-of-the-art performance when compared with other ones.
• Abstract（参考訳）: スペクトル分解能の高いハイパースペクトル画像は、類似した物質の微妙な違いを認識するための新たな洞察を与える。 しかし、ハイパースペクトル画像における物体検出は、ハイパースペクトル間バンドの空間的差異や避けられない干渉、例えばセンサノイズ、照明などにより、クラス内およびクラス間類似性において重大な課題に直面している。 広帯域帯域間の不整合と冗長性を軽減するため,スペクトル次元を利用して興味のある領域をピンポイントに抽出し,高スペクトル帯域間の整合性情報の抽出を容易にする新しいネットワークである \textbf{S}pectral \textbf{D}iscrepancy と \textbf{C}ross-\textbf{M}odal semantic consistency learning (SDCM) を提案する。 具体的には、帯域間コンテキストキューを利用した意味一貫性学習(SCL)モジュールを活用し、帯域間の情報の均一性を低減し、高度にコヒーレントなスペクトル次元表現を生成する。 一方、スペクトルゲート発生器(SGG)は、帯域の重要性に基づいて、ハイパースペクトル情報に固有の冗長データをフィルタリングするフレームワークに組み込まれている。 そこで我々は,SDAモジュールを設計し,画素レベルのスペクトル特徴を抽出することにより,高レベルの情報の意味表現を強化する。 2つのハイパースペクトルデータセットに対する大規模な実験により,提案手法が他の手法と比較して最先端の性能を達成できることが実証された。

関連論文リスト

• Hyperspectral Mamba for Hyperspectral Object Tracking [56.365517163296936]
  Mamba (HyMamba) を用いた新しいハイパースペクトル物体追跡ネットワークを提案する。 状態空間モジュール(SSM)によるスペクトル、クロスディープス、時間モデリングを統一する。 HyMambaは、7つのベンチマークデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-10T03:47:43Z)
• SSF-Net: Spatial-Spectral Fusion Network with Spectral Angle Awareness for Hyperspectral Object Tracking [21.664141982246598]
  ハイパースペクトルビデオ(HSV)は、空間的、スペクトル的、時間的情報を同時に提供する。 既存の手法は主にバンド再編成に重点を置いており、特徴抽出のためにRGBトラッカーに依存している。 本稿では、超スペクトル(HS)物体追跡において、スペクトル角認識(SST-Net)を用いた空間-スペクトル融合ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-03-09T09:37:13Z)
• Improving Vision Anomaly Detection with the Guidance of Language Modality [64.53005837237754]
  本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。 本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。 視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
  論文  参考訳（メタデータ） (2023-10-04T13:44:56Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Hyperspectral Images Classification and Dimensionality Reduction using spectral interaction and SVM classifier [0.0]
  ハイパースペクトル画像(HSI)の高次元性は、収集したデータを分析する上で大きな課題の1つである。 ノイズ、冗長、無関係なバンドの存在は、計算複雑性を増大させる。 本稿では,スペクトル相互作用尺度に基づく新しいフィルタ手法と,次元減少のための支持ベクトルマシンを提案する。
  論文  参考訳（メタデータ） (2022-10-27T15:37:57Z)
• Spatial-Spectral Manifold Embedding of Hyperspectral Data [43.479889860715275]
  本稿では,空間情報とスペクトル情報を同時に考慮した新しいハイパースペクトル埋め込み手法を提案する。 空間スペクトル多様体埋め込み(SSME)は、パッチベースの方法で空間情報とスペクトル情報を共同でモデル化する。 SSMEは、スペクトルシグネチャ間の類似度測定によって得られた隣接行列を用いてスペクトル埋め込みを学習するだけでなく、ハイパースペクトルシーンにおける対象画素の空間近傍をモデル化する。
  論文  参考訳（メタデータ） (2020-07-17T05:40:27Z)
• 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。