論文の概要: Universal Pansharpening Foundation Model
- arxiv url: http://arxiv.org/abs/2603.03831v1
- Date: Wed, 04 Mar 2026 08:30:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.235119
- Title: Universal Pansharpening Foundation Model
- Title（参考訳）: Universal Pansharpening Foundation Model
- Authors: Hebaixu Wang, Jing Zhang, Haonan Guo, Di Wang, Jiayi Ma, Bo Du, Liangpei Zhang,
- Abstract要約: 高分解能マルチスペクトル(MS)画像は、テクスチャリッチパンクロマティック(PAN)画像と低分解能MS画像からのスペクトル特性から空間的詳細を統合することで生成する。
本稿では,衛星非依存およびシーンロバスト融合のための普遍的パンシャーピング基盤モデルFoundPSを提案する。
- 参考スコア（独自算出の注目度）: 67.10467574892282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pansharpening generates the high-resolution multi-spectral (MS) image by integrating spatial details from a texture-rich panchromatic (PAN) image and spectral attributes from a low-resolution MS image. Existing methods are predominantly satellite-specific and scene-dependent, which severely limits their generalization across heterogeneous sensors and varied scenes, thereby reducing their real-world practicality. To address these challenges, we present FoundPS, a universal pansharpening foundation model for satellite-agnostic and scene-robust fusion. Specifically, we introduce a modality-interleaved transformer that learns band-wise modal specializations to form reversible spectral affine bases, mapping arbitrary-band MS into a unified latent space via tensor multiplication. Building upon this, we construct a latent diffusion bridge model to progressively evolve latent representations, and incorporate bridge posterior sampling to couple latent diffusion with pixel-space observations, enabling stable and controllable fusion. Furthermore, we devise infinite-dimensional pixel-to-latent interaction mechanisms to comprehensively capture the cross-domain dependencies between PAN observations and MS representations, thereby facilitating complementary information fusion. In addition, to support large-scale training and evaluation, we construct a comprehensive pansharpening benchmark, termed PSBench, consisting of worldwide MS and PAN image pairs from multiple satellites across diverse scenes. Extensive experiments demonstrate that FoundPS consistently outperforms state-of-the-art methods, exhibiting superior generalization and robustness across a wide range of pansharpening tasks.
- Abstract（参考訳）: 高分解能マルチスペクトル(MS)画像は、テクスチャリッチパンクロマティック(PAN)画像と低分解能MS画像からのスペクトル特性から空間的詳細を統合することで生成する。
既存の方法は、主に衛星固有でシーン依存であり、異種センサーや様々なシーンでの一般化を著しく制限し、現実の実用性を低下させる。
これらの課題に対処するために、衛星非依存およびシーンロスト融合のための普遍的なパンシャーピング基盤モデルFoundPSを提案する。
具体的には、可逆スペクトルアフィン基底を形成するために帯域ワイドなモーダル特殊化を学習し、任意のバンドMSをテンソル乗算による統一潜在空間にマッピングするモダリティインターリーブ変換器を提案する。
これに基づいて,潜伏表現を段階的に進化させる潜伏拡散ブリッジモデルを構築し,また,2つの潜伏拡散と画素空間観測を組み合わせ,安定かつ制御可能な融合を実現するために橋後部サンプリングを組み込んだ。
さらに, PAN観測とMS表現のクロスドメイン依存性を包括的に捉え, 補完的な情報融合を容易にするために, 無限次元画素間相互作用機構を考案した。
さらに,大規模なトレーニングと評価を支援するため,多種多様な場面にわたる複数の衛星から,世界規模のMSとPAN画像ペアからなるPSBenchと呼ばれる包括的パンシャーピングベンチマークを構築した。
大規模な実験により、FoundPSは最先端の手法を一貫して上回り、幅広いパンシャーピングタスクにおいて優れた一般化と堅牢性を示すことが示された。
関連論文リスト
- SALAD-Pan: Sensor-Agnostic Latent Adaptive Diffusion for Pan-Sharpening [50.44337053599724]
SALAD-Panは、効率的なパンシャーピングのためのセンサ非依存の潜時空間拡散法である。
バンドワイドの単一チャネルVAEを訓練し、高解像度のマルチスペクトル画像をコンパクトな潜在表現に符号化する。
拡散過程における高精度核融合と強いゼロショット(クロスセンサー)能力を実現する。
論文 参考訳（メタデータ） (2026-02-04T12:01:07Z) - Hyperspectral Image Fusion with Spectral-Band and Fusion-Scale Agnosticism [42.31159916095528]
現在のマルチスペクトル・ハイパースペクトル画像融合(MS/HS融合)の深層学習モデルは、一般に固定スペクトルバンドと空間スケールのために設計されている。
スペクトル帯域と融合スケールの不可知性を備えたMS/HS融合のための普遍的なフレームワークであるSSAを提案する。
我々の単一モデルは、目に見えないセンサやスケールに最適化しつつ、最先端の性能を達成する。
論文 参考訳（メタデータ） (2026-02-02T05:48:53Z) - PAN-Crafter: Learning Modality-Consistent Alignment for PAN-Sharpening [20.43260906326048]
本稿では,Modality-ConsistentアライメントフレームワークであるPAN-Crafterを提案する。
Modality-Adaptive Restruction (MAR)は、HRMSとPANの画像を共同で再構築する。
複数のベンチマークデータセットの実験では、PAN-Crafterがすべてのメトリクスで最新の最先端メソッドよりも優れています。
論文 参考訳（メタデータ） (2025-05-29T11:46:21Z) - A Fusion-Guided Inception Network for Hyperspectral Image Super-Resolution [4.487807378174191]
我々はFusion-Guided Inception Network (FGIN)と呼ばれる単一画像の超解像モデルを提案する。
具体的には、まずスペクトル空間融合モジュールを用いて、スペクトル情報と空間情報を効果的に統合する。
インセプションのような階層的特徴抽出戦略は、マルチスケール空間依存をキャプチャするために用いられる。
再構成品質をさらに向上するため,バイリニアと奥行き分離可能な畳み込みを組み合わせた最適化されたアップサンプリングモジュールを組み込んだ。
論文 参考訳（メタデータ） (2025-05-06T11:15:59Z) - Multi-Head Attention Residual Unfolded Network for Model-Based Pansharpening [2.874893537471256]
展開融合法は、ディープラーニングの強力な表現能力とモデルベースアプローチの堅牢性を統合する。
本稿では,衛星画像融合のためのモデルに基づく深部展開手法を提案する。
PRISMA、Quickbird、WorldView2データセットの実験結果から、本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2024-09-04T13:05:00Z) - HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
Hyper SIGMAは、タスクやシーン間でHSI解釈を統合するビジョントランスフォーマーベースの基礎モデルである。
さらに,約450Kのハイパースペクトル画像を含む,事前学習のための大規模ハイパースペクトルデータセットHyperGlobal-450Kを構築した。
論文 参考訳（メタデータ） (2024-06-17T13:22:58Z) - A Dual Domain Multi-exposure Image Fusion Network based on the
Spatial-Frequency Integration [57.14745782076976]
マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。
本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。
提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
論文 参考訳（メタデータ） (2023-12-17T04:45:15Z) - Multi-Spectral Image Stitching via Spatial Graph Reasoning [52.27796682972484]
空間グラフ推論に基づくマルチスペクトル画像縫合法を提案する。
同一のビュー位置から複数スケールの補完機能をノードに埋め込む。
空間的・チャネル的次元に沿った長距離コヒーレンスを導入することにより、画素関係の相補性とチャネル相互依存性は、整列したマルチビュー特徴の再構築に寄与する。
論文 参考訳（メタデータ） (2023-07-31T15:04:52Z) - PC-GANs: Progressive Compensation Generative Adversarial Networks for
Pan-sharpening [50.943080184828524]
空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。
モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
論文 参考訳（メタデータ） (2022-07-29T03:09:21Z) - Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image
Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。
名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。
我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文 参考訳（メタデータ） (2022-05-07T23:40:36Z) - Unsupervised Pansharpening Based on Self-Attention Mechanism [12.995590360954957]
本稿では,自己注意機構(SAM)に基づく課題に対処する,深層学習フレームワークにおけるunsupervised pansharpening(UP)手法を提案する。
提案手法は, 最先端技術と比較して, より詳細でスペクトル歪みの少ない, 異なるタイプのシャープなMSIを再構築することができる。
論文 参考訳（メタデータ） (2020-06-16T16:46:30Z)
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。