論文の概要: HSI-VAR: Rethinking Hyperspectral Restoration through Spatial-Spectral Visual Autoregression

• arxiv url: http://arxiv.org/abs/2602.00749v1
• Date: Sat, 31 Jan 2026 14:30:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.374895
• Title: HSI-VAR: Rethinking Hyperspectral Restoration through Spatial-Spectral Visual Autoregression
• Title（参考訳）: HSI-VAR:空間スペクトル視覚自己回帰によるハイパースペクトル復元の再考
• Authors: Xiangming Wang, Benteng Sun, Yungeng Liu, Haijin Zeng, Yongyong Chen, Jingyong Su, Jie Liu,
• Abstract要約: ハイパースペクトル画像(HSI)は、よりリッチな空間スペクトル情報をRGBを超えてキャプチャする。 現実のHSIは、ノイズ、ブラー、バンドの欠如など、複合的な劣化に悩まされることが多い。
• 参考スコア（独自算出の注目度）: 43.90363193188088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral images (HSIs) capture richer spatial-spectral information beyond RGB, yet real-world HSIs often suffer from a composite mix of degradations, such as noise, blur, and missing bands. Existing generative approaches for HSI restoration like diffusion models require hundreds of iterative steps, making them computationally impractical for high-dimensional HSIs. While regression models tend to produce oversmoothed results, failing to preserve critical structural details. We break this impasse by introducing HSI-VAR, rethinking HSI restoration as an autoregressive generation problem, where spectral and spatial dependencies can be progressively modeled rather than globally reconstructed. HSI-VAR incorporates three key innovations: (1) Latent-condition alignment, which couples semantic consistency between latent priors and conditional embeddings for precise reconstruction; (2) Degradation-aware guidance, which uniquely encodes mixed degradations as linear combinations in the embedding space for automatic control, remarkably achieving a nearly $50\%$ reduction in computational cost at inference; (3) A spatial-spectral adaptation module that refines details across both domains in the decoding phase. Extensive experiments on nine all-in-one HSI restoration benchmarks confirm HSI-VAR's state-of-the-art performance, achieving a 3.77 dB PSNR improvement on \textbf{\textit{ICVL}} and offering superior structure preservation with an inference speed-up of up to $95.5 \times$ compared with diffusion-based methods, making it a highly practical solution for real-world HSI restoration.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)は、RGBを超えてよりリッチな空間スペクトル情報をキャプチャするが、現実のHSIはノイズ、ぼかし、欠落したバンドなどの複合的な劣化に悩まされることが多い。 拡散モデルのような既存のHSI復元のための生成的アプローチでは、数百の反復的なステップが必要であり、高次元のHSIに対して計算的に非現実的である。 回帰モデルは過度に滑らかな結果をもたらす傾向にあるが、重要な構造的詳細を保存できない。 我々は、HSI-VARを導入し、HSI復元を自己回帰生成問題として再考する。 HSI-VAR は,(1) 遅延条件アライメント,(2) 遅延条件アライメント,(2) 遅延条件アライメント,(2) 遅延条件アライメント,(2) 自動制御のための埋め込み空間における線形結合として混合劣化を一意にエンコードし,推論における計算コストの約50/%の削減を実現し,(3) 復号フェーズにおける両領域間の詳細を洗練する空間スペクトルアライメントモジュール,の3つの重要なイノベーションを取り入れている。 9つのオールインワンのHSI復元ベンチマークに関する大規模な実験により、HSI-VARの最先端性能を確認し、3.77dBのPSNRの改善を実現し、実世界のHSI修復のための非常に実用的なソリューションである。

関連論文リスト

• Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
  LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。 Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。 実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T08:54:26Z)
• Flow-Matching Guided Deep Unfolding for Hyperspectral Image Reconstruction [53.26903617819014]
  Flow-Matching-Guided Unfolding Network (FMU)は、最初にフローマッチングをHSI再構成に統合する。 学習力学をさらに強化するために,平均速度損失を導入する。 シミュレーションと実データの両方の実験により、FMUは復元品質において既存のアプローチよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-02T11:32:00Z)
• 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)
• PromptHSI: Universal Hyperspectral Image Restoration with Vision-Language Modulated Frequency Adaptation [28.105125164852367]
  本稿では,初のユニバーサルAiO HSI復元フレームワークであるPromptHSIを提案する。 提案手法では,テキストプロンプトを強度とバイアスコントローラに分解し,回復過程を効果的に導く。 我々のアーキテクチャは、さまざまな劣化シナリオにおいて、きめ細かい回復とグローバルな情報復元の両方に優れています。
  論文  参考訳（メタデータ） (2024-11-24T17:08:58Z)
• A Range-Null Space Decomposition Approach for Fast and Flexible Spectral Compressive Imaging [31.26101924400667]
  圧縮ハイパースペクトル画像(HSI)再構成のための新しいフレームワークであるRND-SCIを提案する。 我々のフレームワークは、再構成されたオブジェクトをレンジスペースとヌルスペースのコンポーネントに分解します。 RND-SCIは設計が単純で、高い解釈性を持つだけでなく、様々なHSI再構成ネットワークにも容易に適用できる。
  論文  参考訳（メタデータ） (2023-05-16T18:37:58Z)
• 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)
• Unsupervised Alternating Optimization for Blind Hyperspectral Imagery Super-resolution [40.350308926790255]
  本稿では, 盲点HSI融合問題に対処するために, 盲点HSI SR法を提案する。 本稿ではまず,デジェネレーションモデルを推定し,遅延画像の再構成を行うために,逐次最適化に基づく深層フレームワークを提案する。 そして,ネットワークを事前学習するメタラーニングに基づく機構が提案され,ネットワークの速度と一般化能力を効果的に向上させることができる。
  論文  参考訳（メタデータ） (2020-12-03T07:52:32Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)

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。