論文の概要: Unregistered Spectral Image Fusion: Unmixing, Adversarial Learning, and Recoverability

• arxiv url: http://arxiv.org/abs/2603.21510v2
• Date: Wed, 01 Apr 2026 15:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.560599
• Title: Unregistered Spectral Image Fusion: Unmixing, Adversarial Learning, and Recoverability
• Title（参考訳）: 未登録分光画像融合 : 未混合, 逆学習, 回復可能性
• Authors: Jiahui Song, Sagar Shrestha, Xiao Fu,
• Abstract要約: 本稿では,空間的に登録されていない1対のハイパースペクトル像 (HSI) と,ほぼ重なり合う領域をカバーするマルチスペクトル像 (MSI) の融合について述べる。 HSIはスペクトルが高いが空間分解能は低いが、MSIは反対である。 本研究では,MSIとHSIの両方を同時に超解する非教師付きフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 16.517186266869977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses the fusion of a pair of spatially unregistered hyperspectral image (HSI) and multispectral image (MSI) covering roughly overlapping regions. HSIs offer high spectral but low spatial resolution, while MSIs provide the opposite. The goal is to integrate their complementary information to enhance both HSI spatial resolution and MSI spectral resolution. While hyperspectral-multispectral fusion (HMF) has been widely studied, the unregistered setting remains challenging. Many existing methods focus solely on MSI super-resolution, leaving HSI unchanged. Supervised deep learning approaches were proposed for HSI super-resolution, but rely on accurate training data, which is often unavailable. Moreover, theoretical analyses largely address the co-registered case, leaving unregistered HMF poorly understood. In this work, an unsupervised framework is proposed to simultaneously super-resolve both MSI and HSI. The method integrates coupled spectral unmixing for MSI super-resolution with latent-space adversarial learning for HSI super-resolution. Theoretical guarantees on the recoverability of the super-resolution MSI and HSI are established under reasonable generative models -- providing, to our best knowledge, the first such insights for unregistered HMF. The approach is validated on semi-real and real HSI-MSI pairs across diverse conditions.
• Abstract（参考訳）: 本稿では,空間的に登録されていない1対のハイパースペクトル像 (HSI) と,ほぼ重なり合う領域をカバーするマルチスペクトル像 (MSI) の融合について述べる。 HSIはスペクトルが高いが空間分解能は低いが、MSIは反対である。 目標は、それらの補完情報を統合して、HSI空間分解能とMSIスペクトル分解能の両方を強化することである。 ハイパースペクトル・マルチスペクトル融合(HMF)は広く研究されているが、未登録の設定は依然として困難である。 既存の多くの手法はMSIの超解像にのみ焦点を合わせ、HSIは変わらないままである。 改良されたディープラーニングアプローチはHSI超解像に対して提案されたが、正確なトレーニングデータに依存しており、しばしば利用できない。 さらに、理論的解析は、未登録のHMFを十分に理解していないまま、共同登録のケースに対処する。 本研究では,MSIとHSIの両方を同時に超解する非教師付きフレームワークを提案する。 この手法は、MSI超解像に対するスペクトルアンミックスとHSI超解像に対する潜在空間逆学習を統合した。 超高分解能MSIとHSIの回復可能性に関する理論的保証は、合理的な生成モデルの下で確立されている。 このアプローチは、様々な条件で半実と実のHSI-MSIペアで検証される。

関連論文リスト

• SpectraLift: Physics-Guided Spectral-Inversion Network for Self-Supervised Hyperspectral Image Super-Resolution [0.0]
  高分解能高分解能マルチスペクトル画像(HR-MSI)と低分解能高分解能ハイパースペクトル画像(LR-HSI)を融合させることは、微細な空間構造を復元するための有望な経路である。 MSIのスペクトル応答(SRF)のみを用いてLR-HSIとHR-MSI入力を融合する完全自己教師型フレームワークSpectraLiftを提案する。 推測において、SpectraLiftはトレーニングされたネットワークを使用してHR-MSIピクセルをHR-HSI推定にマッピングする。
  論文  参考訳（メタデータ） (2025-07-17T17:57:18Z)
• HSIGene: A Foundation Model For Hyperspectral Image Generation [46.745198868466545]
  ハイパースペクトル画像(HSI)は農業や環境モニタリングなど様々な分野で重要な役割を果たしている。 高価な取得コストのため、ハイパースペクトル画像の数は制限され、下流タスクのパフォーマンスが低下する。 遅延拡散に基づく多条件制御をサポートする新しいHSI生成基盤モデルであるHSIGeneを提案する。 実験により,提案モデルでは,デノナイズや超解像といった下流タスクに対して,膨大な量の現実的なHSIを生成することができることが示された。
  論文  参考訳（メタデータ） (2024-09-19T05:17:44Z)
• 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)
• Deep unfolding Network for Hyperspectral Image Super-Resolution with Automatic Exposure Correction [38.807302724277754]
  高分解能マルチスペクトル画像(HR-MSI)と低分解能ハイパースペクトル画像(LR-HSI)の融合は、HSI超解像(HSI-SR)の有効な方法として認識されている。 MSIとHSIのそれぞれの低照度化(LLIE)に基づくほとんどの既存手法とは対照的に,UHSR-AEC(Automatic Exposure Correction)を用いた深部展開HSIスーパーリゾリューションが提案されている。
  論文  参考訳（メタデータ） (2024-03-14T04:41:30Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• 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)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Recent Advances and New Guidelines on Hyperspectral and Multispectral Image Fusion [21.19813166135363]
  スペクトル分解能の高いハイパースペクトル画像(HSI)は、画像センサの限界のため、しばしば空間分解能の低さに悩まされる。 画像融合は、HSIの空間分解能を高めるための効果的で経済的方法である。 この研究は、HSI-MSI融合に関する包括的なレビューと新しいガイドラインを提供する。
  論文  参考訳（メタデータ） (2020-08-08T03:05:46Z)
• 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。