論文の概要: PF-Trans: Physics-Embedded Frequency-Aware Transformer for Spectral Reconstruction

• arxiv url: http://arxiv.org/abs/2606.10373v1
• Date: Tue, 09 Jun 2026 03:34:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.296869
• Title: PF-Trans: Physics-Embedded Frequency-Aware Transformer for Spectral Reconstruction
• Title（参考訳）: PF-Trans:スペクトル再構成のための物理埋め込み周波数対応変圧器
• Authors: Yuzhe Gui, Tianzhu Liu, Yanfeng Gu, Xian Li,
• Abstract要約: 高忠実度リモートセンシングスペクトル再構成のための物理埋め込み周波数対応変換器(PF-Trans)を提案する。 PF-Transは最先端のパフォーマンスを実現し、GF-5上海データセット上で最大48.50dBのピーク信号対雑音比(PSNR)を達成する。
• 参考スコア（独自算出の注目度）: 9.122692658405116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Snapshot Broadband Filter Array (BFA) imaging provides high light throughput for spectral reconstruction but introduces severe spectral aliasing due to complex modulation. Current deep learning approaches, limited to spatial denoising, often fail to address the global frequency-specific degradations caused by the mask structure. To address this, we propose a Physics-embedded Frequency-aware Transformer (PF-Trans) for high-fidelity remote sensing spectral reconstruction. Our method explicitly integrates the physical sensing model through mask injection and a gray-scale consistency loss to ensure physical fidelity. Furthermore, we introduce a Dual-domain Block with a parallel Fast Fourier Transform (FFT) branch, enabling the network to perceive and suppress aliasing artifacts in the frequency domain. Extensive experiments on multiple datasets demonstrate that PF-Trans achieves state-of-the-art performance, achieving a Peak Signal-to-Noise Ratio (PSNR) of up to 48.50 dB on the GF-5 Shanghai dataset, significantly outperforming comparison methods.
• Abstract（参考訳）: スナップショット広帯域フィルタアレイ(BFA)イメージングは、スペクトル再構成のための高い光スループットを提供するが、複雑な変調による厳しいスペクトルエイリアスをもたらす。 現在の深層学習アプローチは、空間的認知に限られており、マスク構造によって引き起こされる大域的な周波数特異的な劣化に対処できないことが多い。 そこで本研究では,高忠実度リモートセンシングスペクトル再構成のための物理埋め込み周波数対応変換器(PF-Trans)を提案する。 本手法は, マスク注入による物理的センシングモデルと, グレースケールの整合性損失を明示的に統合し, 物理的忠実性を確保する。 さらに、並列なFast Fourier Transform (FFT) 分岐を持つデュアルドメインブロックを導入し、周波数領域におけるアーティファクトの認識と抑制を可能にする。 複数のデータセットに対する大規模な実験により、PF-Transは最先端のパフォーマンスを達成し、GF-5上海データセット上で最大48.50dBのピーク信号対雑音比(PSNR)を達成した。

関連論文リスト

• FSCM: Frequency-Enhanced Spatial-Spectral Coupled Mamba for Infrared Hyperspectral Image Colorization [10.509841173943387]
  本稿では、赤外色化のためのスペクトル情報誘導型GANフレームワークを提案する。 FSCM内では、カスケードFSBユニットからなる周波数増幅空間スペクトル状態空間ジェネレータが構築される。 実験により、FSCMは、視覚的品質と意味的忠実度において、既存の赤外色化法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-05-13T15:48:58Z)
• UHDRes: Ultra-High-Definition Image Restoration via Dual-Domain Decoupled Spectral Modulation [0.07352098890194292]
  超高精細画像(UHD)は、しばしばぼやけ、ヘイズ、雨、低照度といった深刻な劣化に悩まされる。 UHD画像復元のための新しい2領域分離スペクトル変調フレームワークであるUHDResを提案する。
  論文  参考訳（メタデータ） (2025-11-07T06:28:30Z)
• Diffusion Transformer meets Multi-level Wavelet Spectrum for Single Image Super-Resolution [15.056888813012451]
  SR(DTWSR)のための画像ウェーブレットスペクトルに基づく拡散変換器モデルを提案する。 DTWSRは拡散モデルと変圧器の優位性を取り入れ、マルチスケール周波数サブバンド間の相互関係を捉える。 デュアルデコーダは、画像生成におけるアライメントを省略することなく、低周波サブバンドと高周波サブバンドの異なるばらつきを扱うよう精巧に設計されている。
  論文  参考訳（メタデータ） (2025-11-03T02:56:58Z)
• Fourier-Guided Attention Upsampling for Image Super-Resolution [0.13999481573773068]
  周波数誘導アテンション(英: Frequency-Guided Attention, FGA)は、単一画像の超解像のための軽量アップサンプリングモジュールである。 試験の結果、PSNRの平均利得は0.120.14dB、周波数領域の整合性は最大29%向上した。
  論文  参考訳（メタデータ） (2025-08-14T13:13:17Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)

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。