論文の概要: Enhancing Unregistered Hyperspectral Image Super-Resolution via Unmixing-based Abundance Fusion Learning

• arxiv url: http://arxiv.org/abs/2603.07918v1
• Date: Mon, 09 Mar 2026 03:26:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.399754
• Title: Enhancing Unregistered Hyperspectral Image Super-Resolution via Unmixing-based Abundance Fusion Learning
• Title（参考訳）: Unmixing-based Abundance Fusion Learning による未登録ハイパースペクトル画像の超解像化
• Authors: Yingkai Zhang, Tao Zhang, Jing Nie, Ying Fu,
• Abstract要約: 非登録ハイパースペクトル画像(HSI)は、通常、未登録高解像度基準画像を用いて低解像度のHSIを強化することを目的としている。 本研究では,未登録核融合の影響を軽減するために,空間スペクトル情報を分離した混合型核融合フレームワークを提案する。 シミュレーションおよび実データを用いた実験結果から,提案手法が最先端の超解像性能を実現することを確認した。
• 参考スコア（独自算出の注目度）: 14.247569090609828
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unregistered hyperspectral image (HSI) super-resolution (SR) typically aims to enhance a low-resolution HSI using an unregistered high-resolution reference image. In this paper, we propose an unmixing-based fusion framework that decouples spatial-spectral information to simultaneously mitigate the impact of unregistered fusion and enhance the learnability of SR models. Specifically, we first utilize singular value decomposition for initial spectral unmixing, preserving the original endmembers while dedicating the subsequent network to enhancing the initial abundance map. To leverage the spatial texture of the unregistered reference, we introduce a coarse-to-fine deformable aggregation module, which first estimates a pixel-level flow and a similarity map using a coarse pyramid predictor. It further performs fine sub-pixel refinement to achieve deformable aggregation of the reference features. The aggregative features are then refined via a series of spatial-channel abundance cross-attention blocks. Furthermore, a spatial-channel modulated fusion module is presented to merge encoder-decoder features using dynamic gating weights, yielding a high-quality, high-resolution HSI. Experimental results on simulated and real datasets confirm that our proposed method achieves state-of-the-art super-resolution performance. The code will be available at https://github.com/yingkai-zhang/UAFL.
• Abstract（参考訳）: 非登録ハイパースペクトル画像(HSI)は、通常、未登録高解像度基準画像を用いて低解像度のHSIを強化することを目的としている。 本稿では,未登録核融合の影響を軽減し,SRモデルの学習性を高めるために,空間スペクトル情報を分離した混合型核融合フレームワークを提案する。 具体的には、まず最初に特異値分解をスペクトルアンミックスに利用し、初期アンミックスマップの強化に後続のネットワークを注力しながら、元のエンドメンバーを保存する。 未登録参照の空間的テクスチャを活用するために,まず,粗いピラミッド予測器を用いて画素レベルのフローと類似度マップを推定する粗い変形可能な凝集モジュールを導入する。 さらに、参照特徴の変形可能な集約を実現するために、細かなサブピクセル精細化を行う。 その後、アグリゲーション機能は、一連の空間チャネルのアブリダンス・クロスアテンションブロックを介して洗練される。 さらに、動的ゲーティング重みを用いたマージエンコーダデコーダ特徴に対して、空間チャネル変調核融合モジュールを提示し、高品質で高分解能なHSIを得る。 シミュレーションおよび実データを用いた実験結果から,提案手法が最先端の超解像性能を実現することを確認した。 コードはhttps://github.com/yingkai-zhang/UAFL.comで入手できる。

関連論文リスト

• 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)
• Unaligned RGB Guided Hyperspectral Image Super-Resolution with Spatial-Spectral Concordance [18.045877106333766]
  超高分解能画像は空間分解能を改善することを目的としているが、その性能は高分解能比で制限されることが多い。 非整合参照RGBガイド付きHSI SRのためのフレームワークを導入し、不正確なアライメントと不正確な対話性の問題に対処する。 本手法は,定量評価と定性評価の両面において,最先端の手法より優れている。
  論文  参考訳（メタデータ） (2025-05-04T13:29:31Z)
• QMambaBSR: Burst Image Super-Resolution with Query State Space Model [55.56075874424194]
  バースト超解像度は、複数のバースト低解像度フレームからサブピクセル情報を融合することにより、高画質でよりリッチな細部で高解像度の画像を再構成することを目的としている。 BusrtSRにおいて鍵となる課題は、高周波ノイズ障害を同時に抑制しつつ、ベースフレームの補完的なサブピクセルの詳細を抽出することである。 本稿では,Query State Space Model (QSSM) とAdaptive Up-Sampling Module (AdaUp) を組み合わせた新しいQuery Mamba Burst Super-Resolution (QMambaBSR) ネットワークを紹介する。
  論文  参考訳（メタデータ） (2024-08-16T11:15:29Z)
• 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)
• Unsupervised Hyperspectral and Multispectral Images Fusion Based on the Cycle Consistency [21.233354336608205]
  本稿では,CycFusionと呼ばれるサイクル一貫性に基づく教師なしHSIとMSIの融合モデルを提案する。 CycFusion は低空間分解能 HSI (LrHSI) と高空間分解能 MSI (HrMSI) の領域変換を学習する いくつかのデータセットで行った実験により,提案手法は非教師なし核融合法よりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2023-07-07T06:47:15Z)
• Hyperspectral Image Super Resolution with Real Unaligned RGB Guidance [11.711656319221072]
  異種特徴抽出,多段階特徴アライメント,注意的特徴融合を含むHSI融合ネットワークを提案する。 本手法は, 既存の単一画像と核融合による超解像法に対して, 定量的評価と視覚的比較において明らかに改善されている。
  論文  参考訳（メタデータ） (2023-02-13T11:56:45Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• 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)
• 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)

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。