論文の概要: A Latent Representation Learning Framework for Hyperspectral Image Emulation in Remote Sensing

• arxiv url: http://arxiv.org/abs/2603.21911v1
• Date: Mon, 23 Mar 2026 12:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.668751
• Title: A Latent Representation Learning Framework for Hyperspectral Image Emulation in Remote Sensing
• Title（参考訳）: リモートセンシングにおけるハイパースペクトル画像エミュレーションのための潜在表現学習フレームワーク
• Authors: Chedly Ben Azizi, Claire Guilloteau, Gilles Roussel, Matthieu Puigt,
• Abstract要約: 本稿では,ハイパースペクトルデータの潜在表現を学習するハイパースペクトルエミュレーションのための潜在表現に基づくフレームワークを提案する。 提案手法は、スペクトルレベルと空間スペクトルエミュレーションの両方をサポートし、直接1段階の定式化や2段階の戦略で訓練することができる。 PROSAILシミュレーション植生データとSentinel-3 OLCI画像による実験により,本手法が古典的回帰型エミュレータより優れていることが示された。
• 参考スコア（独自算出の注目度）: 2.607903424600012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic hyperspectral image (HSI) generation is essential for large-scale simulation, algorithm development, and mission design, yet traditional radiative transfer models remain computationally expensive and often limited to spectrum-level outputs. In this work, we propose a latent representation-based framework for hyperspectral emulation that learns a latent generative representation of hyperspectral data. The proposed approach supports both spectrum-level and spatial-spectral emulation and can be trained either in a direct one-step formulation or in a two-step strategy that couples variational autoencoder (VAE) pretraining with parameter-to-latent interpolation. Experiments on PROSAIL-simulated vegetation data and Sentinel-3 OLCI imagery demonstrate that the method outperforms classical regression-based emulators in reconstruction accuracy, spectral fidelity, and robustness to real-world spatial variability. We further show that emulated HSIs preserve performance in downstream biophysical parameter retrieval, highlighting the practical relevance of emulated data for remote sensing applications.
• Abstract（参考訳）: 合成ハイパースペクトル画像(HSI)生成は大規模シミュレーション、アルゴリズム開発、ミッション設計に不可欠であるが、従来の放射転送モデルは計算コストが高く、しばしばスペクトルレベルの出力に制限される。 本研究では,ハイパースペクトルデータの潜在表現を学習するハイパースペクトルエミュレーションのための潜在表現に基づくフレームワークを提案する。 提案手法はスペクトルレベルのエミュレーションと空間スペクトルのエミュレーションの両方をサポートし、直接1ステップの定式化や、パラメーター-相対補間で事前学習した変分オートエンコーダ(VAE)を併用する2ステップの戦略で訓練することができる。 PROSAILを模擬した植生データとSentinel-3 OLCI画像を用いた実験により, 再現精度, スペクトル忠実度, 実世界の空間変動性に対するロバスト性において, 古典的回帰型エミュレータよりも優れた性能を示した。 さらに,シミュレーションされたHSIは,下流の生体物理パラメータ検索における性能を保ち,リモートセンシングアプリケーションにおけるエミュレートされたデータの実用的妥当性を強調した。

関連論文リスト

• Video Prediction of Dynamic Physical Simulations With Pixel-Space Spatiotemporal Transformers [3.951575888190684]
  本研究は,ビデオ予測のためのトランスフォーマー適応を簡易なエンド・ツー・エンド・アプローチで検討し,種々の自己時間的アテンションレイアウトを比較した。 本稿では,自動回帰映像予測のための簡易かつ効果的な変換器を提案し,連続した画素空間表現をビデオ予測水平線に適用する。
  論文  参考訳（メタデータ） (2025-10-23T17:58:45Z)
• Hyperspectral Adapter for Semantic Segmentation with Vision Foundation Models [18.24287471339871]
  ハイパースペクトルイメージング(HSI)は、多数の狭い波長帯にわたる密度のスペクトル測定とともに空間情報をキャプチャする。 本アーキテクチャでは、スペクトル変換器とスペクトル対応空間先行モジュールを組み込んで、豊富な空間スペクトル特徴を抽出する。 我々のアーキテクチャは、HSI入力を直接使用しながら、最先端のセマンティックセマンティックセマンティックセマンティクス性能を実現し、ビジョンベースとハイパースペクトルセマンティクスの両方のセマンティクス法より優れている。
  論文  参考訳（メタデータ） (2025-09-24T13:32:07Z)
• Deep Diffusion Models and Unsupervised Hyperspectral Unmixing for Realistic Abundance Map Synthesis [0.2812395851874055]
  我々のフレームワークは、ブラインド線形ハイパースペクトルアンミックスと最先端拡散モデルを統合し、合成アブリダンスマップの現実性と多様性を高める。 我々は、地球観測のためのPRISMA宇宙ミッションの実際のハイパースペクトル画像を用いて、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2025-06-16T13:42:51Z)
• Single-shot prediction of parametric partial differential equations [3.987215131970378]
  Flexi-VAEはパラメトリック偏微分方程式(PDE)の効率的な単発予測のためのデータ駆動フレームワークである 本稿では,潜時粘着を進行させるニューラルプロパゲータを提案する。 我々は,PDEベンチマーク,1次元バーガーズ方程式,2次元対流拡散方程式に対してフレキシ-VAEを検証し,広いパラメトリック範囲にわたって正確な予測を行う。
  論文  参考訳（メタデータ） (2025-05-14T01:48:26Z)
• Exploring Representation-Aligned Latent Space for Better Generation [86.45670422239317]
  生成性能を改善するために,セマンティックな事前情報を統合するReaLSを導入する。 本研究では、ReaLSでトレーニングされたDETとSiTが、FID測定値の15%改善を実現することを示す。 拡張されたセマンティック潜在空間は、セグメンテーションや深さ推定のようなより知覚的な下流タスクを可能にする。
  論文  参考訳（メタデータ） (2025-02-01T07:42:12Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)
• 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)
• Implicit Neural Representation Learning for Hyperspectral Image Super-Resolution [0.0]
  Inlicit Neural Representations (INR)は、新しい効果的な表現として進歩を遂げている。 本稿では、空間座標を対応するスペクトル放射率値にマッピングする連続関数により、HSIを表すINRに基づく新しいHSI再構成モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-20T14:07:54Z)

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。