論文の概要: Hyperspectral Smoke Segmentation via Mixture of Prototypes

• arxiv url: http://arxiv.org/abs/2602.10858v1
• Date: Wed, 11 Feb 2026 13:44:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.942502
• Title: Hyperspectral Smoke Segmentation via Mixture of Prototypes
• Title（参考訳）: プロトタイプの混合によるハイパースペクトルスモークセグメンテーション
• Authors: Lujian Yao, Haitao Zhao, Xianghai Kong, Yuhan Xu,
• Abstract要約: スモークセグメンテーションは、山火事の管理と産業安全の応用に重要である。 喫煙セグメンテーションのためのハイパースペクトルイメージングを導入し、第1次ハイパースペクトルスモークセグメンテーションデータセット(HSSDataset)を提示する。 スペクトル相互作用汚染、スペクトルパターンモデリングの制限、複雑な重み付けルータ問題という3つの技術的課題に分解する。
• 参考スコア（独自算出の注目度）: 9.440275409457243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smoke segmentation is critical for wildfire management and industrial safety applications. Traditional visible-light-based methods face limitations due to insufficient spectral information, particularly struggling with cloud interference and semi-transparent smoke regions. To address these challenges, we introduce hyperspectral imaging for smoke segmentation and present the first hyperspectral smoke segmentation dataset (HSSDataset) with carefully annotated samples collected from over 18,000 frames across 20 real-world scenarios using a Many-to-One annotations protocol. However, different spectral bands exhibit varying discriminative capabilities across spatial regions, necessitating adaptive band weighting strategies. We decompose this into three technical challenges: spectral interaction contamination, limited spectral pattern modeling, and complex weighting router problems. We propose a mixture of prototypes (MoP) network with: (1) Band split for spectral isolation, (2) Prototype-based spectral representation for diverse patterns, and (3) Dual-level router for adaptive spatial-aware band weighting. We further construct a multispectral dataset (MSSDataset) with RGB-infrared images. Extensive experiments validate superior performance across both hyperspectral and multispectral modalities, establishing a new paradigm for spectral-based smoke segmentation.
• Abstract（参考訳）: スモークセグメンテーションは、山火事の管理と産業安全の応用に重要である。 従来の可視光法は、スペクトル情報の不足、特に雲の干渉や半透明の煙の領域に悩まされているため、限界に直面している。 これらの課題に対処するため,マルチ・ツー・ワンのアノテーションプロトコルを用いて,20の現実シナリオにまたがる18,000フレーム以上のサンプルを慎重に収集した,第1回ハイパースペクトル煙分画データセット(HSSDataset)を紹介する。 しかし、異なるスペクトルバンドは空間領域にわたって異なる識別能力を示し、適応的なバンド重み付け戦略を必要とする。 スペクトル相互作用汚染、スペクトルパターンモデリングの制限、複雑な重み付けルータ問題という3つの技術的課題に分解する。 本稿では,(1)スペクトル分離のためのバンド分割,(2)多様なパターンのためのプロトタイプベーススペクトル表現,(3)適応空間認識バンド重み付けのためのデュアルレベルルータを提案する。 さらに、RGB赤外線画像を用いたマルチスペクトルデータセット(MSSDataset)を構築する。 広汎な実験により、高スペクトルと多スペクトルの両モードで優れた性能が検証され、スペクトルに基づく煙分断の新しいパラダイムが確立された。

関連論文リスト

• MODA: The First Challenging Benchmark for Multispectral Object Detection in Aerial Images [26.48439423478357]
  航空画像におけるマルチスペクトル物体検出のための最初の大規模データセット(MODA)を紹介する。 このデータセットは14,041のMSIと330,191のアノテーションで構成されている。 我々はまた、スペクトル情報と空間情報をオブジェクト認識キューに統合するフレームワークであるOSSDetを提案する。
  論文  参考訳（メタデータ） (2025-12-10T10:07:06Z)
• SpectralX: Parameter-efficient Domain Generalization for Spectral Remote Sensing Foundation Models [27.717648142854696]
  SpectralXは、既存のRSFMをバックボーンとして適応する革新的なパラメータ効率の微調整フレームワークである。 AoMoA (Attribute-oriented Mixture of Adapter) を開発した。 低レベルのセマンティックな特徴を高レベルの表現で反復的にクエリすることで、モデルはタスク便益属性にフォーカスすることを学ぶ。
  論文  参考訳（メタデータ） (2025-08-03T12:14:38Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Multispectral to Hyperspectral using Pretrained Foundational model [1.3516162688685323]
  ハイパースペクトルイメージングは詳細なスペクトル情報を提供し、CH4やNO2のような温室効果ガスをモニターする大きな可能性を提供する。 その適用は、限られたカバレッジと頻繁な再訪時間によって制限されている。 対照的に、マルチスペクトルイメージングは空間的および時間的カバレッジを提供するが、正確な検出に必要なスペクトルの粒度は欠如している。
  論文  参考訳（メタデータ） (2025-02-26T06:18:40Z)
• SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
  SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。 既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。 我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-13T07:09:30Z)
• DiffSpectralNet : Unveiling the Potential of Diffusion Models for Hyperspectral Image Classification [6.521187080027966]
  我々は拡散と変圧器技術を組み合わせたDiffSpectralNetと呼ばれる新しいネットワークを提案する。 まず,拡散モデルに基づく教師なし学習フレームワークを用いて,高レベル・低レベルのスペクトル空間的特徴を抽出する。 この拡散法はスペクトル空間の特徴を多様かつ有意義に抽出し,HSI分類の改善につながる。
  論文  参考訳（メタデータ） (2023-10-29T15:26:37Z)
• SpectralDiff: A Generative Framework for Hyperspectral Image Classification with Diffusion Models [18.391049303136715]
  拡散モデルを用いたHSI分類のための生成フレームワーク(SpectralDiff)を提案する。 SpectralDiffは、高次元および高冗長なデータの分布情報を効果的にマイニングする。 3つの公開HSIデータセットの実験により、提案手法は最先端の手法よりも優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-04-12T16:32:34Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)

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。