論文の概要: Phy-CoSF: Physics-Guided Continuous Spectral Fields Reconstruction and Super-Resolution for Snapshot Compressive Imaging

• arxiv url: http://arxiv.org/abs/2605.13583v1
• Date: Wed, 13 May 2026 14:17:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.09978
• Title: Phy-CoSF: Physics-Guided Continuous Spectral Fields Reconstruction and Super-Resolution for Snapshot Compressive Imaging
• Title（参考訳）: Phy-CoSF:物理誘導連続スペクトル場再構成とスナップショット圧縮画像の超解像
• Authors: Wudi Chen, Zhiyuan Zha, Xin Yuan, Shigang Wang, Bihan Wen, Jiantao Zhou, Gang Yan, Zipei Fan, Ce Zhu,
• Abstract要約: 暗黙のニューラル表現で深層展開ネットワークを相乗化するPhy-CoSFを提案する。 具体的には、連続的なスペクトルレンダリングで離散波長トレーニングをブリッジする2相アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 79.35520607451187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances have demonstrated that coded aperture snapshot spectral imaging (CASSI) systems show great potential for capturing 3D hyperspectral images (HSIs) from a single 2D measurement. Despite the inherent spectral continuity of scenes captured by CASSI, most existing reconstruction methods are restricted to fixed, discrete spectral outputs, thereby precluding continuous spectral reconstruction or spectral super-resolution. To address this challenge, we propose Phy-CoSF, which synergizes deep unfolding networks with implicit neural representations, establishing a new paradigm for continuous spectral reconstruction and super-resolution in CASSI. Specifically, we propose a two-phase architecture that bridges discrete-wavelength training with continuous spectral rendering, enabling the synthesis of high-fidelity HSIs at arbitrary target wavelengths. At the core of our framework lies the continuous spectral fields (CoSF) module, embedded within each unfolding stage as a dynamic prior, which comprises a triple-branch cross-domain feature mixer for comprehensive spatial-frequency-channel feature fusion, alongside a spectral synthesis head that generates spectral intensities by querying continuous wavelength coordinates. Extensive experimental results demonstrate that Phy-CoSF not only achieves continuous modeling at arbitrary spectral resolutions but also outperforms many state-of-the-art methods in both reconstruction fidelity and spectral detail preservation. Our code and more results are available at: https://github.com/PaiDii/Phy-CoSF.git.
• Abstract（参考訳）: 近年の進歩により、符号化開口分光画像(CASSI)システムは、単一の2次元計測から3次元ハイパースペクトル画像(HSI)を捉える大きな可能性を示している。 CASSIが捉えたシーンのスペクトル連続性にもかかわらず、既存の再構成手法のほとんどは固定された離散スペクトル出力に制限され、連続的なスペクトル再構成やスペクトル超解像を除外する。 この課題に対処するために、暗黙のニューラル表現で深層展開ネットワークを相乗化するPhy-CoSFを提案し、CASSIにおける連続スペクトル再構成と超解像のための新しいパラダイムを確立した。 具体的には、連続的なスペクトルレンダリングで離散波長トレーニングをブリッジする2相アーキテクチャを提案し、任意のターゲット波長における高忠実度HSIの合成を可能にする。 フレームワークのコアには、各展開ステージに動的プリミティブとして埋め込まれた連続スペクトル場(CoSF)モジュールがあり、連続波長座標を問合せしてスペクトル強度を生成するスペクトル合成ヘッドとともに、包括的空間周波数チャネル特徴融合のための三分岐クロスドメイン特徴混合器を備えている。 Phy-CoSFは任意のスペクトル分解能で連続的なモデリングを達成できるだけでなく、再構成忠実度とスペクトル詳細保存の両面で多くの最先端手法よりも優れていることを示す。 私たちのコードやその他の結果は、https://github.com/PaiDii/Phy-CoSF.git.comで公開されています。

関連論文リスト

• FSP-Diff: Full-Spectrum Prior-Enhanced DualDomain Latent Diffusion for Ultra-Low-Dose Spectral CT Reconstruction [20.226435074884808]
  FSP-Diffは、超低用量スペクトルCT再構成のための、フルスペクトル事前強化デュアルドメイン潜在拡散フレームワークである。 本フレームワークは,画像の直接再構成と投影領域の復号化結果を統合する。 シミュレーションおよび実世界のデータセットの実験により、FSP-Diffは画像の品質と計算効率の両方において最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-08T14:13:19Z)
• SR$^{2}$-Net: A General Plug-and-Play Model for Spectral Refinement in Hyperspectral Image Super-Resolution [3.4888894498274747]
  HSI-SRは、スペクトル的に忠実で物理的に妥当な特性を維持しながら、空間分解能を高めることを目的としている。 これらの方法はしばしばバンド間のスペクトルの一貫性を無視し、刺激的な振動と物理的に不可解な人工物をもたらす。 本稿では,この問題に対処するための軽量なプラグ・アンド・プレイ方式であるSpectral Rectification Super-Resolution Network (SR$2$-Net)を提案する。
  論文  参考訳（メタデータ） (2026-01-29T07:00:00Z)
• Hybrid Deep Learning for Hyperspectral Single Image Super-Resolution [9.467214671383875]
  本稿では,標準的な2次元畳み込みアーキテクチャにシームレスに統合可能な新しいモジュールであるSpectral-Spatial Unmixing Fusion (SSUF)を紹介する。 SSUFはスペクトルアンミックスとスペクトル空間特徴抽出を組み合わせ、ResNetベースの畳み込みニューラルネットワークを誘導して再構成を改善する。 3つのパブリックリモートセンシングハイパースペクトルデータセットの実験は、提案したハイブリッドディープラーニングモデルが競合性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-09-26T08:28:07Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
  RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。 局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。 グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
  論文  参考訳（メタデータ） (2025-01-02T15:14:40Z)
• Spectral-wise Implicit Neural Representation for Hyperspectral Image Reconstruction [13.79887292039637]
  Coded Aperture Snapshot Spectral Imaging (CASSI) 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。 HSIを再構成する既存の方法は、通常、2次元圧縮画像から所定の離散スペクトル帯域のセットへの学習マッピングを含む。 本稿では、この制限に対処するための先駆的なステップとして、スペクトルワイドインシシットニューラル表現(SINR)と呼ばれる革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-12-02T08:06:07Z)
• SSIF: Learning Continuous Image Representation for Spatial-Spectral Super-Resolution [73.46167948298041]
  本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。 SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。 ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
  論文  参考訳（メタデータ） (2023-09-30T15:23:30Z)

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。