論文の概要: Voronoi-guided Bilateral 2D Gaussian Splatting for Arbitrary-Scale Hyperspectral Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2604.17727v1
• Date: Mon, 20 Apr 2026 02:21:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.663097
• Title: Voronoi-guided Bilateral 2D Gaussian Splatting for Arbitrary-Scale Hyperspectral Image Super-Resolution
• Title（参考訳）: 任意スケールハイパースペクトル画像超解像のためのVoronoi誘導バイラテラル2次元ガウススプレーティング
• Authors: Jie Zhang, Jinkun You, Shi Chen, Yicong Zhou,
• Abstract要約: 空間再構成のためのVoronoi-Guided Bilateral 2D Gaussian Splatting ベンチマークデータセットの実験では、任意のスケールのハイパースペクトル画像超解像のための最先端手法に対するガウスHSIの有効性が示されている。
• 参考スコア（独自算出の注目度）: 42.38129717287735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most existing hyperspectral image super-resolution methods require modifications for different scales, limiting their flexibility in arbitrary-scale reconstruction. 2D Gaussian splatting provides a continuous representation that is compatible with arbitrary-scale super-resolution. Existing methods often rely on rasterization strategies, which may limit flexible spatial modeling. Extending them to hyperspectral image super-resolution remains challenging, as the task requires adaptive spatial reconstruction while preserving spectral fidelity. This paper proposes GaussianHSI, a Gaussian-Splatting-based framework for arbitrary-scale hyperspectral image super-resolution. We develop a Voronoi-Guided Bilateral 2D Gaussian Splatting for spatial reconstruction. After predicting a set of Gaussian functions to represent the input, it associates each target pixel with relevant Gaussian functions through Voronoi-guided selection. The target pixel is then reconstructed by aggregating the selected Gaussian functions with reference-aware bilateral weighting, which considers both geometric relevance and consistency with low-resolution features. We further introduce a Spectral Detail Enhancement module to improve spectral reconstruction. Extensive experiments on benchmark datasets demonstrate the effectiveness of GaussianHSI over state-of-the-art methods for arbitrary-scale hyperspectral image super-resolution.
• Abstract（参考訳）: 既存のハイパースペクトル画像超解像法の多くは、様々なスケールの修正を必要とし、任意のスケールの再構成においてその柔軟性を制限している。 2次元ガウススプラッティングは任意のスケールの超解像と互換性のある連続表現を提供する。 既存の手法は、しばしばラスタライズ戦略に依存し、フレキシブルな空間モデリングを制限する可能性がある。 超高スペクトル画像への拡張は、スペクトルの忠実さを保ちながら適応的な空間再構成を必要とするため、依然として困難である。 本稿では、任意のスケールのハイパースペクトル画像超解像のためのガウス・スプティングに基づくフレームワークであるガウスHSIを提案する。 空間再構成のためのVoronoi-Guided Bilateral 2D Gaussian Splattingを開発した。 入力を表すガウス関数の集合を予測した後、ボロノイ誘導選択により各対象画素と関連するガウス関数を関連付ける。 対象画素は、選択されたガウス関数を基準対応の両側重み付けで集約することで再構成される。 さらに、スペクトル再構成を改善するためのスペクトル詳細拡張モジュールを導入する。 ベンチマークデータセットに対する大規模な実験により、任意のスケールのハイパースペクトル画像超解像のための最先端手法に対するガウスHSIの有効性が示された。

関連論文リスト

• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• Compact Multi-level-prior Tensor Representation for Hyperspectral Image Super-resolution [12.432457307235092]
  マルチスペクトル画像と同一シーン上のマルチスペクトル画像、すなわちハイパースペクトル画像の超解像は、高空間・高分解能画像にアクセスするための一般的な計算方法となっている。 テンソル・フレームワーク内でこれらのマルチレベル・ハイパースペクトル・イメージをコンパクトに特徴付ける新しいハイパースペクトル・スーパーレゾリューション・モデルを提案する。
  論文  参考訳（メタデータ） (2025-10-07T16:26:34Z)
• 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)
• EigenGS Representation: From Eigenspace to Gaussian Image Space [20.454762899389358]
  EigenGSは、固有空間と画像空間のガウス表現を接続する効率的な変換パイプラインである。 EigenGSは直接2次元ガウスフィッティングよりも優れた再現性が得られることを示す。 結果は,様々な解像度と多様なカテゴリを持つ画像に対して,EigenGSの有効性と一般化能力を強調した。
  論文  参考訳（メタデータ） (2025-03-10T15:27:03Z)
• Pixel to Gaussian: Ultra-Fast Continuous Super-Resolution with 2D Gaussian Modeling [50.34513854725803]
  Arbitrary-scale Super- resolution (ASSR) は、低解像度(LR)入力から任意のアップサンプリング係数で高解像度(HR)イメージを再構成することを目的としている。 本稿では,Gaussian Splattingを用いたLR画像から2次元連続HR信号を明示的に再構成する,Pixel-to-Gaussianパラダイムを用いた新しいContinuousSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-09T13:43:57Z)
• S2Gaussian: Sparse-View Super-Resolution 3D Gaussian Splatting [47.75073170368562]
  S2Gaussianと呼ばれる新しいスパースビュー超高解像度3Dガウス撮影フレームワークを提案する。 実験は優れた結果を示し、特により一貫した幾何と細かな詳細を持つ新しい最先端のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2025-03-06T10:58:26Z)

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。