論文の概要: HSSDCT: Factorized Spatial-Spectral Correlation for Hyperspectral Image Fusion

• arxiv url: http://arxiv.org/abs/2602.00490v1
• Date: Sat, 31 Jan 2026 03:24:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.219384
• Title: HSSDCT: Factorized Spatial-Spectral Correlation for Hyperspectral Image Fusion
• Title（参考訳）: HSSDCT:ハイパースペクトル画像融合のための空間スペクトル相関
• Authors: Chia-Ming Lee, Yu-Hao Ho, Yu-Fan Lin, Jen-Wei Lee, Li-Wei Kang, Chih-Chung Hsu,
• Abstract要約: ハイパースペクトル画像(HSI)融合は、低分解能HSIの豊富なスペクトル情報と高分解能マルチスペクトル画像(HR-MSI)の詳細な詳細を組み合わせることで、高分解能HSI(HR-HSI)を再構成することを目的としている。 近年の深層学習法は顕著な進歩を遂げているが, 受容野の制限, スペクトル帯域の冗長化, 自己意識の2次的複雑さに悩まされている。 これらの課題を克服するために,階層型空間スペクトル線量相関ネットワーク (HSSDCT) を提案する。
• 参考スコア（独自算出の注目度）: 11.994592153994482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral image (HSI) fusion aims to reconstruct a high-resolution HSI (HR-HSI) by combining the rich spectral information of a low-resolution HSI (LR-HSI) with the fine spatial details of a high-resolution multispectral image (HR-MSI). Although recent deep learning methods have achieved notable progress, they still suffer from limited receptive fields, redundant spectral bands, and the quadratic complexity of self-attention, which restrict both efficiency and robustness. To overcome these challenges, we propose the Hierarchical Spatial-Spectral Dense Correlation Network (HSSDCT). The framework introduces two key modules: (i) a Hierarchical Dense-Residue Transformer Block (HDRTB) that progressively enlarges windows and employs dense-residue connections for multi-scale feature aggregation, and (ii) a Spatial-Spectral Correlation Layer (SSCL) that explicitly factorizes spatial and spectral dependencies, reducing self-attention to linear complexity while mitigating spectral redundancy. Extensive experiments on benchmark datasets demonstrate that HSSDCT delivers superior reconstruction quality with significantly lower computational costs, achieving new state-of-the-art performance in HSI fusion. Our code is available at https://github.com/jemmyleee/HSSDCT.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)融合は,低分解能HSI(LR-HSI)のスペクトル情報と高分解能マルチスペクトル画像(HR-MSI)の微細な空間的詳細を組み合わせ,高分解能HSI(HR-HSI)を再構成することを目的としている。 近年の深層学習法は目覚ましい進歩を遂げているが, 受容野の制限, スペクトル帯域の冗長化, 自己認識の2次複雑さに悩まされており, 効率性と堅牢性の両方が制限されている。 これらの課題を克服するために,階層型空間スペクトル線量相関ネットワーク(HSSDCT)を提案する。 フレームワークには2つの重要なモジュールが導入されている。 i) 階層型Dense-Residue Transformer Block (HDRTB) は、徐々にウィンドウを拡大し、マルチスケールの特徴集約に高密度なResidue接続を利用する。 (II)空間スペクトル相関層(SSCL)は、空間的およびスペクトル的依存関係を明示的に分解し、スペクトル冗長性を緩和しながら、線形複雑度への自己意識を減少させる。 ベンチマークデータセットの大規模な実験により、HSSDCTは計算コストを大幅に削減し、HSI融合における新しい最先端性能を実現することができる。 私たちのコードはhttps://github.com/jemmyleee/HSSDCTで利用可能です。

関連論文リスト

• SR$^{2}$-Net: A General Plug-and-Play Model for Spectral Refinement in Hyperspectral Image Super-Resolution [3.4888894498274747]
  HSI-SRは、スペクトル的に忠実で物理的に妥当な特性を維持しながら、空間分解能を高めることを目的としている。 これらの方法はしばしばバンド間のスペクトルの一貫性を無視し、刺激的な振動と物理的に不可解な人工物をもたらす。 本稿では,この問題に対処するための軽量なプラグ・アンド・プレイ方式であるSpectral Rectification Super-Resolution Network (SR$2$-Net)を提案する。
  論文  参考訳（メタデータ） (2026-01-29T07:00:00Z)
• HyFusion: Enhanced Reception Field Transformer for Hyperspectral Image Fusion [8.701181531082781]
  高分解能マルチスペクトル画像(HR-MSIs)と低分解能HSI(LR-HSIs)から高分解能HSI(HR-HSIs)を再構成する課題について
  論文  参考訳（メタデータ） (2025-01-08T18:22:44Z)
• Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
  RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。 局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。 グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
  論文  参考訳（メタデータ） (2025-01-02T15:14:40Z)
• CSAKD: Knowledge Distillation with Cross Self-Attention for Hyperspectral and Multispectral Image Fusion [9.3350274016294]
  本稿では, HR-MSI/LR-HSI融合のための新しい知識蒸留(KD)フレームワークを導入し, LR-HSIのSRを実現する。 LR-HSI と HR-MSI の空間的特徴表現とスペクトル的特徴表現をフル活用するために,我々は新しい自己認識(CSA)融合モジュールを提案する。 実験結果から,学生モデルがLR-HSI SRの性能に匹敵する結果を得た。
  論文  参考訳（メタデータ） (2024-06-28T05:25:57Z)
• 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)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)
• 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)
• 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。