論文の概要: Clustering-Guided Spatial-Spectral Mamba for Hyperspectral Image Classification

• arxiv url: http://arxiv.org/abs/2601.16098v1
• Date: Thu, 22 Jan 2026 16:47:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.656534
• Title: Clustering-Guided Spatial-Spectral Mamba for Hyperspectral Image Classification
• Title（参考訳）: ハイパースペクトル画像分類のためのクラスタリング誘導空間スペクトルマンバ
• Authors: Zack Dewis, Yimin Zhu, Zhengsen Xu, Mabel Heffring, Saeid Taleghanidoozdoozan, Quinn Ledingham, Lincoln Linlin Xu,
• Abstract要約: 本稿では,CSSMamba (Clustering-guided Spatial-Spectral Mamba) フレームワークについて述べる。 Mambaの性能向上のために,効率的な適応トークンシーケンスを実現するために,クラスタリング機構を空間的Mambaアーキテクチャに統合する。 Pavia University、Indian Pines、Liao-Ning 01データセットの実験はCSSMambaがより高い精度とより良い境界保存を実現することを示した。
• 参考スコア（独自算出の注目度）: 2.320960021702736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although Mamba models greatly improve Hyperspectral Image (HSI) classification, they have critical challenges in terms defining efficient and adaptive token sequences for improve performance. This paper therefore presents CSSMamba (Clustering-guided Spatial-Spectral Mamba) framework to better address the challenges, with the following contributions. First, to achieve efficient and adaptive token sequences for improved Mamba performance, we integrate the clustering mechanism into a spatial Mamba architecture, leading to a cluster-guided spatial Mamba module (CSpaMamba) that reduces the Mamba sequence length and improves Mamba feature learning capability. Second, to improve the learning of both spatial and spectral information, we integrate the CSpaMamba module with a spectral mamba module (SpeMamba), leading to a complete clustering-guided spatial-spectral Mamba framework. Third, to further improve feature learning capability, we introduce an Attention-Driven Token Selection mechanism to optimize Mamba token sequencing. Last, to seamlessly integrate clustering into the Mamba model in a coherent manner, we design a Learnable Clustering Module that learns the cluster memberships in an adaptive manner. Experiments on the Pavia University, Indian Pines, and Liao-Ning 01 datasets demonstrate that CSSMamba achieves higher accuracy and better boundary preservation compared to state-of-the-art CNN, Transformer, and Mamba-based methods.
• Abstract（参考訳）: Mambaモデルはハイパースペクトル画像(HSI)分類を大幅に改善するが、性能を向上させるための効率的かつ適応的なトークンシーケンスを定義する点で重要な課題がある。 そこで本稿では,CSSMamba (Clustering-guided Spatial-Spectral Mamba) フレームワークについて述べる。 まず, クラスタリング機構を空間マンバアーキテクチャに統合し, クラスタ誘導空間マンバモジュール(CSpaMamba)により, マンバ列長を低減し, マンバ特徴学習能力を向上させる。 第2に,空間情報とスペクトル情報の両方の学習を改善するため,CSpaMambaモジュールをスペクトルマンバモジュール(SpeMamba)と統合し,完全なクラスタリング誘導空間スペクトルマンバフレームワークを実現する。 第3に,機能学習機能をさらに向上するため,マンバトークンシークエンシングを最適化するアテンション駆動型トークン選択機構を導入する。 最後に,クラスタリングを協調的にMambaモデルに統合するために,クラスタメンバシップを適応的に学習するLearningable Clustering Moduleを設計する。 Pavia University、Indian Pines、Liao-Ning 01データセットの実験では、CSSMambaは最先端のCNN、Transformer、Mambaベースの手法に比べて精度が高く、バウンダリの保存性が良いことが示されている。

関連論文リスト

• Sparse Deformable Mamba for Hyperspectral Image Classification [1.3471768511567523]
  Mambaモデルは、ハイパースペクトル画像(HSI)分類を大幅に改善する。 重要な課題の1つは、マンバトークンのシーケンスを効率的に構築することの難しさである。 本稿では,HSI分類の強化を目的としたスパース変形型マンバ (SDMamba) 手法を提案する。
  論文  参考訳（メタデータ） (2025-04-13T06:08:19Z)
• MambaGlue: Fast and Robust Local Feature Matching With Mamba [9.397265252815115]
  そこで我々は,MambaGlueと呼ばれる,新しいMambaベースの局所特徴マッチング手法を提案する。 Mambaは最先端のアーキテクチャであり、トレーニングと推論の両方において、優れたスピードで急速に認識されるようになった。 私たちのMambaGlueは、実世界のアプリケーションにおける堅牢性と効率のバランスを達成します。
  論文  参考訳（メタデータ） (2025-02-01T15:43:03Z)
• Mamba-SEUNet: Mamba UNet for Monaural Speech Enhancement [54.427965535613886]
  Mambaは、新しいステートスペースモデル(SSM)として、自然言語処理やコンピュータビジョンに広く応用されている。 本稿では,MambaとU-Net for SEタスクを統合する革新的なアーキテクチャであるMamba-SEUNetを紹介する。
  論文  参考訳（メタデータ） (2024-12-21T13:43:51Z)
• ReMamba: Equip Mamba with Effective Long-Sequence Modeling [50.530839868893786]
  本研究では,長い文脈の理解能力を高めるReMambaを提案する。 ReMambaは2段階のプロセスで選択的圧縮と適応のテクニックを取り入れている。
  論文  参考訳（メタデータ） (2024-08-28T02:47:27Z)
• MambaVision: A Hybrid Mamba-Transformer Vision Backbone [54.965143338206644]
  視覚応用に適した新しいハイブリッド型Mamba-TransformerバックボーンMambaVisionを提案する。 最終層に自己アテンションブロックを付加したMambaアーキテクチャは,長距離空間依存性を捕捉する能力を大幅に向上することを示す。 ImageNet-1Kデータセットの分類において、MambaVisionの変種は、Top-1の精度とスループットの両方の観点から、最先端(SOTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-07-10T23:02:45Z)

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。