論文の概要: A Unified Foundation Model for All-in-One Multi-Modal Remote Sensing Image Restoration and Fusion with Language Prompting

• arxiv url: http://arxiv.org/abs/2604.05629v1
• Date: Tue, 07 Apr 2026 09:33:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.737417
• Title: A Unified Foundation Model for All-in-One Multi-Modal Remote Sensing Image Restoration and Fusion with Language Prompting
• Title（参考訳）: All-in-one Multi-Modal Remote Sensing Image Restoration and Fusion with Language Promptingのための統一基盤モデル
• Authors: Yongchuan Cui, Peng Liu,
• Abstract要約: 言語条件付き大規模リモートセンシング復元モデル(LLaRS)を提案する。 LLaRSは、マルチモーダルおよびマルチタスクリモートセンシング低レベルビジョンのための最初の統合基盤モデルである。 実験では、LLaRSは7つの競争モデルより一貫して優れていた。
• 参考スコア（独自算出の注目度）: 3.2569765796445034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing imagery suffers from clouds, haze, noise, resolution limits, and sensor heterogeneity. Existing restoration and fusion approaches train separate models per degradation type. In this work, we present Language-conditioned Large-scale Remote Sensing restoration model (LLaRS), the first unified foundation model for multi-modal and multi-task remote sensing low-level vision. LLaRS employs Sinkhorn-Knopp optimal transport to align heterogeneous bands into semantically matched slots, routes features through three complementary mixture-of-experts layers (convolutional experts for spatial patterns, channel-mixing experts for spectral fidelity, and attention experts with low-rank adapters for global context), and stabilizes joint training via step-level dynamic weight adjustment. To train LLaRS, we construct LLaRS1M, a million-scale multi-task dataset spanning eleven restoration and enhancement tasks, integrating real paired observations and controlled synthetic degradations with diverse natural language prompts. Experiments show LLaRS consistently outperforms seven competitive models, and parameter-efficient finetuning experiments demonstrate strong transfer capability and adaptation efficiency on unseen data. Repo: https://github.com/yc-cui/LLaRS
• Abstract（参考訳）: リモートセンシング画像は、雲、迷路、ノイズ、解像度制限、センサーの不均一性に悩まされている。 既存の修復と融合アプローチは、分解タイプごとに別々のモデルを訓練する。 本研究では,Language-conditioned Large-scale Remote Sensing Restoration Model (LLaRS)を提案する。 LLaRSはシンクホーン・ノックの最適輸送を用いて、異種帯域をセマンティックに整合したスロットに整列させ、3つの相補的な混合実験層(空間パターンの畳み込みの専門家、スペクトル忠実性のチャネル混合専門家、グローバルコンテキストの低ランクアダプタを持つアテンションエキスパート)を通して特徴を経路し、ステップレベルのダイナミックウェイト調整によって関節トレーニングを安定化させる。 LLaRSをトレーニングするために、11の復元および拡張タスクにまたがる100万規模のマルチタスクデータセットであるLLaRS1Mを構築し、実対観測と多種多様な自然言語プロンプトによる合成劣化を制御する。 実験により、LLaRSは7つの競合モデルより一貫して優れており、パラメータ効率の良い微調整実験は、観測できないデータに対して強い転送能力と適応効率を示す。 Repo: https://github.com/yc-cui/LLaRS

関連論文リスト

• SkySense V2: A Unified Foundation Model for Multi-modal Remote Sensing [32.58127653020506]
  マルチモーダルリモートセンシング基礎モデル(MM-RSFM)は、様々な地球観測タスクを大幅に進歩させた。 マルチモーダル性を扱うために1つのトランスフォーマーバックボーンを用いる統一MM-RSFMであるSkySense V2を提案する。
  論文  参考訳（メタデータ） (2025-07-18T10:44:22Z)
• Large Language Model-Driven Distributed Integrated Multimodal Sensing and Semantic Communications [5.646293779615063]
  本稿では,新しい大規模言語モデル (LLM) による分散分散マルチモーダルセンシングとセマンティックコミュニケーションフレームワークを提案する。 具体的には、RFモジュールとカメラモジュールを備えた複数の協調センシング装置で構成されている。 Genesis シミュレーションエンジンにより生成された合成多視点RF-視覚データセットの評価結果から,LLM-DiSAC が良好な性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-05-20T08:00:00Z)
• Any Image Restoration via Efficient Spatial-Frequency Degradation Adaptation [158.37640586809187]
  劣化した画像を1つのモデルで効率的に復元することは、ますます重要になっている。 我々のアプローチはAnyIRと呼ばれ、様々な劣化にまたがる固有の類似性を活用する統一された経路をとっています。 劣化認識と文脈的注意を融合させるため,空間周波数並列融合戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-19T09:54:46Z)
• TTRD3: Texture Transfer Residual Denoising Dual Diffusion Model for Remote Sensing Image Super-Resolution [3.6360545045435084]
  リモートセンシング画像超解像(RSISR)は、高分解能(HR)リモートセンシング画像を低分解能入力から再構成し、きめ細かい地上物体の解釈をサポートする。 既存の手法では,(1)空間的不均質なRSシーンからのマルチスケール特徴抽出の困難さ,(2)再構成における意味的不整合の原因となる事前情報の限定,(3)幾何学的精度と視覚的品質のトレードオフの不均衡,の3つの課題に直面している。 テクスチュアトランスファー残響二元拡散モデル (TTRD3) を3つの革新とともに提案する。
  論文  参考訳（メタデータ） (2025-04-17T15:37:13Z)
• An Efficient and Mixed Heterogeneous Model for Image Restoration [71.85124734060665]
  現在の主流のアプローチは、CNN、Transformers、Mambasの3つのアーキテクチャパラダイムに基づいている。 混合構造融合に基づく効率的で汎用的なIRモデルであるRestorMixerを提案する。
  論文  参考訳（メタデータ） (2025-04-15T08:19:12Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Taming Flow Matching with Unbalanced Optimal Transport into Fast Pansharpening [10.23957420290553]
  本稿では,一段階の高品位パンシャーピングを実現するための最適輸送フローマッチングフレームワークを提案する。 OTFMフレームワークは、パンシャーピング制約の厳格な遵守を維持しつつ、シミュレーション不要なトレーニングとシングルステップ推論を可能にする。
  論文  参考訳（メタデータ） (2025-03-19T08:10:49Z)
• A Framework for Fine-Tuning LLMs using Heterogeneous Feedback [69.51729152929413]
  ヘテロジニアスフィードバックを用いた大規模言語モデル(LLM)の微調整フレームワークを提案する。 まず、不均一なフィードバックデータをSFTやRLHFなどの手法と互換性のある単一の監視形式にまとめる。 次に、この統合されたフィードバックデータセットから、性能向上を得るために高品質で多様なサブセットを抽出する。
  論文  参考訳（メタデータ） (2024-08-05T23:20:32Z)

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。