論文の概要: Set-Based Transformer for Atmospheric Compensation in Standoff LWIR Hyperspectral Imaging
- arxiv url: http://arxiv.org/abs/2606.08324v1
- Date: Sat, 06 Jun 2026 20:25:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.042145
- Title: Set-Based Transformer for Atmospheric Compensation in Standoff LWIR Hyperspectral Imaging
- Title（参考訳）: 静止LWIRハイパースペクトルイメージングにおける大気補償のためのセットベース変圧器
- Authors: Fabian Perez, Nicolas Quintero, Jeferson Acevedo, Hoover Rueda-Chacon,
- Abstract要約: 本稿では,複数の放射率測定,透過率,大気経路放射率,共有下降スペクトルを併用した,軽量なセットベース深層学習フレームワークを提案する。
学習した表現をスパースオートエンコーダを用いて解析し、テストデータの地理的コヒーレントな部分集合上で複数の潜在特徴が活性化されることを観察する。
- 参考スコア（独自算出の注目度）: 6.066442015301664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Passive long-wave infrared (LWIR) hyperspectral imaging under a standoff geometry depends on atmospheric absorption and emission, as well as reflected radiance, thus making atmospheric compensation essential to get knowledge of a target of interest. Despite its importance, this compensation has been largely overlooked due to its practical and modeling difficulty. In this paper, we present a lightweight set-based deep learning framework that takes multiple radiance measurements, collected at different standoff ranges, as input and jointly estimates transmittance, atmospheric path radiance, and a shared downwelling spectrum. We analyze the learned representation with a sparse autoencoder and observe that several latent features do activate on geographically coherent subsets of the test data despite the absence of location supervision. Experiments on a MODTRAN generated standoff LWIR dataset demonstrate low spectral distortion across all estimated products. The dataset and code is publicly available at: https://factral.co/SAE-LWIR/
- Abstract（参考訳）: スタンドオフ幾何学の下での受動長波長赤外線(LWIR)ハイパースペクトルイメージングは、大気の吸収と放射、および反射放射に依存するため、興味の対象の知識を得るためには大気の補償が不可欠である。
その重要性にもかかわらず、この補償は実用的かつモデリングの難しさのためにほとんど見落とされた。
本稿では,複数のレイディアンス測定を行い,異なるスタンドオフ範囲で収集する,ライトウェイトなセットベース深層学習フレームワークを提案する。
そこで我々は,学習した表現をスパースオートエンコーダを用いて解析し,地理的に整合したテストデータのサブセット上で複数の潜在特徴が活性化されることを観測した。
MODTRANの生成したスタンドオフLWIRデータセットの実験では、推定されたすべての製品に対してスペクトル歪みが低かった。
データセットとコードは、https://factral.co/SAE-LWIR/で公開されている。
関連論文リスト
- AnyBand-Diff: A Unified Remote Sensing Image Generation and Band Repair Framework with Spectral Priors [10.352581041881864]
本稿では,頑健なスペクトル再構成に適したスペクトル優先拡散フレームワークであるAnyBand-Diffを紹介する。
ラジオメトリックの忠実性を確保するため,物理誘導サンプリング機構を提案する。
実験は、AnyBand-Diffが信頼できる画像を生成するための有効性を確認する。
論文 参考訳（メタデータ） (2026-05-14T04:04:34Z) - Unmixing microinfrared spectroscopic images of cross-sections of historical oil paintings [38.319445753146404]
ATR-$FTIR HSIのブラインドアンミックスのための教師なしCNNオートエンコーダを提案する。
本稿では,ヴァン・エイク兄弟によるヘント・アルタルピースのATR-$FTIR断面積を実証する。
論文 参考訳（メタデータ） (2026-03-03T09:47:48Z) - VAE with Hyperspherical Coordinates: Improving Anomaly Detection from Hypervolume-Compressed Latent Space [56.362776482614976]
変分オートエンコーダ(VAE)は、これらのベクトルをデータに復号する前に、データを低次元の潜在ベクトルに符号化する。
本稿では,超球面座標を用いてVAEの潜伏変数を定式化し,超球面上の所定の方向に向かって潜伏ベクトルを圧縮する手法を提案する。
これにより、VAEの完全な教師なしおよびOOD異常検出能力が向上し、検討したデータセット上で最高のパフォーマンスを達成できることが示される。
論文 参考訳（メタデータ） (2026-01-25T03:10:24Z) - S2ML: Spatio-Spectral Mutual Learning for Depth Completion [56.26679539288063]
RGB-Dカメラで撮影した生深度画像は、弱い反射、境界影、アーティファクトによって不完全な深度値に悩まされることが多い。
既存の手法では、画像領域の深度補完によってこの問題に対処するが、それらは生の深度画像の物理的特性を見落としている。
本研究では,空間領域と周波数領域の両方の利点を両立させるため,S2ML(Spatio-Spectral Mutual Learning framework)を提案する。
論文 参考訳（メタデータ） (2025-11-08T15:01:55Z) - Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。
拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文 参考訳（メタデータ） (2025-07-02T01:22:46Z) - Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。
照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。
提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
論文 参考訳（メタデータ） (2024-11-06T03:30:46Z) - An Atmospheric Correction Integrated LULC Segmentation Model for High-Resolution Satellite Imagery [0.0]
本研究では、大気の反射率と透過率を推定するために、ルックアップテーブルに基づく放射移動シミュレーションを用いる。
その後、修正された表面反射データは、教師付きおよび半教師付きセグメンテーションモデルで使用された。
論文 参考訳（メタデータ） (2024-09-09T10:47:39Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z)
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。