論文の概要: Spectral Dynamic Attention Network for Hyperspectral Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2604.27326v1
• Date: Thu, 30 Apr 2026 02:13:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.879248
• Title: Spectral Dynamic Attention Network for Hyperspectral Image Super-Resolution
• Title（参考訳）: ハイパースペクトル画像超解像のためのスペクトル動的注意ネットワーク
• Authors: Tengya Zhang, Feng Gao, Lin Qi, Junyu Dong, Qian Du,
• Abstract要約: Spectral Dynamic Attention Network (SDANet)は、冗長なスペクトル相互作用を適応的に抑制するフレームワークである。 競争効率を維持しつつ、最先端のHISR性能を達成する。
• 参考スコア（独自算出の注目度）: 45.72534786125302
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral image super-resolution is essential for enhancing the spatial fidelity of HSI data, yet existing deep learning methods often struggle with substantial spectral redundancy and the limited non-linear modeling capacity of standard feed-forward networks (FFNs). To address these challenges, we propose Spectral Dynamic Attention Network (SDANet), a framework designed to adaptively suppress redundant spectral interactions. SDANet integrates two key components: 1) Dynamic Channel Sparse Attention (DCSA) module that computes channel-wise correlations and selectively preserves the most informative attention responses through dynamic and data-dependent sparsification. 2) Frequency-Enhanced Feed-Forward Network (FE-FFN) that jointly models spatial and frequency-domain representations to enhance non-linear expressiveness. Extensive experiments on two benchmark datasets demonstrate that SDANet achieves state-of-the-art HISR performance while maintaining competitive efficiency. The code will be made publicly available at https://github.com/oucailab/SDANet.
• Abstract（参考訳）: ハイパースペクトル画像の超解像は、HSIデータの空間的忠実度を高めるために不可欠であるが、既存のディープラーニング手法は、かなりのスペクトル冗長性と標準フィードフォワードネットワーク(FFN)の非線形モデリング能力に苦慮することが多い。 これらの課題に対処するために、冗長なスペクトル相互作用を適応的に抑制するフレームワークであるSpectral Dynamic Attention Network (SDANet)を提案する。 SDANetは2つの重要なコンポーネントを統合している。 1) 動的チャネルスパースアテンション (DCSA) モジュールは, チャネルワイズ相関を計算し, 動的およびデータ依存のスペーサー化により最も情報性の高い注意応答を選択的に保存する。 2) 周波数強調フィードフォワードネットワーク (FE-FFN) は, 空間表現と周波数領域表現を共同でモデル化し, 非線形表現性を高める。 2つのベンチマークデータセットに対する大規模な実験は、SDANetが競争効率を維持しながら最先端のHISR性能を達成することを示した。 コードはhttps://github.com/oucailab/SDANet.comで公開される。

関連論文リスト

• Variational Dual-path Attention Network for CSI-Based Gesture Recognition [0.0]
  チャネル状態情報(CSI)に基づくWi-Fiジェスチャ認識は,エッジデバイス上での高次元ノイズやリソース制約に悩まされている。 本稿では,VDAN(Varial Dual-path Attention Network)という軽量機能前処理モジュールを提案する。 周波数領域フィルタリングと時間検出による構造的特徴改善を行う。
  論文  参考訳（メタデータ） (2026-01-20T09:02:02Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Hyperspectral Image Super-Resolution via Dual-domain Network Based on Hybrid Convolution [6.3814314790000415]
  本稿ではハイブリッド畳み込み(SRDNet)に基づく新しいHSI超解像アルゴリズムを提案する。 スペクトル間自己相似性を捉えるため、空間領域に自己注意学習機構(HSL)を考案する。 HSIの知覚品質をさらに向上するため、周波数領域のモデルを最適化するために周波数損失(HFL)を導入した。
  論文  参考訳（メタデータ） (2023-04-10T13:51:28Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
  本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。 実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。 ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
  論文  参考訳（メタデータ） (2021-03-15T12:54:26Z)
• 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。