論文の概要: USP-Mamba: Unmixing-Derived Spectral and Structural Prompting for Hyperspectral Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2608.02401v1
• Date: Mon, 03 Aug 2026 15:47:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 21:56:46.388968
• Title: USP-Mamba: Unmixing-Derived Spectral and Structural Prompting for Hyperspectral Image Super-Resolution
• Title（参考訳）: USP-Mamba:超高分解能超解像のための未混合スペクトルと構造プロンプト
• Authors: Shi Chen, Jie Zhang, Yicong Zhou,
• Abstract要約: 我々は、USP-Mambaと呼ばれるUnmixing由来のスペクトルおよび構造プロンプティング・マンバフレームワークを提案する。 USP-Mambaはコンポジションアウェアスペクトルと画像依存構造的プロンプトを通してマンバ状態の進化に適応する。 異なるデータセットに対する実験により、提案手法が代表的手法より一貫して優れていることが示された。
• 参考スコア（独自算出の注目度）: 43.685895242899704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral image super-resolution aims to reconstruct high-resolution imagery while preserving dense spectral information. Recently, Mamba-based models have shown promising potential for this task by capturing long-range dependencies with linear computational complexity. Nevertheless, their causal sequence modeling requires two-dimensional hyperspectral features to be unfolded along predefined scanning orders, which disrupts spatial adjacency and restricts the effective propagation of contextual information. Moreover, state-space parameterization of existing models is predominantly derived from generic learned representations, without explicit alignment with the intrinsic characteristics of the hyperspectral image. To address this issue, we propose an Unmixing-derived Spectral and Structural Prompting Mamba framework, termed USP-Mamba, which adapts Mamba state evolution through composition-aware spectral priors and image-dependent structural prompts. Specifically, an unmixing-informed spectral prompt captures the global material composition of the input image and provides persistent conditioning throughout reconstruction. Injected into the Mamba sequence and progressively adapted across layers, it steers state evolution toward composition-consistent reconstruction. We introduce feature-level structural prompts comprising spatial and frequency components to provide image-dependent local guidance. The spatial prompt promotes structure-sensitive state encoding for local detail preservation, while the frequency prompt enables region-adaptive transitions between homogeneous regions and high-frequency details. Finally, complementary Hilbert and Semantic-Guided Neighboring scans preserve spatial continuity and strengthen non-local semantic dependency modeling. Extensive experiments on different datasets demonstrate that the proposed method consistently outperforms representative approaches.
• Abstract（参考訳）: ハイパースペクトル画像超解像は、高解像度画像を高密度のスペクトル情報を保持しながら再構成することを目的としている。 近年、マンバをベースとしたモデルでは、線形計算複雑性で長距離依存を捉えることで、この課題に有望な可能性を示している。 それにもかかわらず、それらの因果シーケンスモデリングは、空間的隣接を乱し、文脈情報の効果的な伝播を制限する、予め定義された走査順序に沿って2次元のハイパースペクトル特徴を展開する必要がある。 さらに、既存のモデルの状態空間のパラメータ化は、主に、ハイパースペクトル画像の固有特性と明示的な一致を伴わずに、一般的な学習表現から導出される。 この問題に対処するため,USP-Mambaと呼ばれるUnmixing由来のSpectral and Structure Prompting Mambaフレームワークを提案する。 具体的には、アンミックスインフォームドスペクトルプロンプトが入力画像の大域的な材料組成をキャプチャし、再構成全体を通して永続的な条件付けを提供する。 マンバ・シークエンスに注入され、層に徐々に適応し、状態の進化を組成一貫性の再構築へと導く。 空間および周波数成分からなる特徴レベルの構造的プロンプトを導入し、画像に依存した局所的ガイダンスを提供する。 空間的プロンプトは、局所的な詳細保存のための構造に敏感な状態符号化を促進する一方、周波数プロンプトは、均質領域と高周波詳細の間の領域適応的な遷移を可能にする。 最後に、Hilbert と Semantic-Guided Neighboring スキャンは空間的連続性を保ち、非局所的セマンティック依存性モデリングを強化する。 異なるデータセットに対する大規模な実験により、提案手法が代表的手法より一貫して優れていることが示された。

関連論文リスト

• CLUIE: Clustering-Aware Recurrent Propagation with Local Structural Compensation for Underwater Image Enhancement [92.78545064386485]
  水中画像の強調は、波長依存性の光吸収、散乱、後方散乱により依然として困難である。 本稿では,従来のRWKVの一定繰り返し伝搬経路をコンテント適応トークン軌道に変換するクラスタリング対応RWKVフレームワークを提案する。 複数の水中画像強調ベンチマークの実験は、CRWKVが最先端の定量的性能と優れた視覚的品質を達成することを示した。
  論文  参考訳（メタデータ） (2026-07-23T16:09:36Z)
• SP-MoMamba: Superpixel-driven Mixture of State Space Experts for Efficient Image Super-Resolution [99.56535031145211]
  状態空間モデル(SSM)は、効率的な単一画像超解像(SR)のための強力なパラダイムとして登場した。 我々は、コンテント対応SRのための状態空間の専門家による超ピクセル駆動の混合である textbfSP-MoMamba を提案する。 私たちの中核となる考え方は、従来の剛性スキャンを、スーパーピクセルを基本単位として扱うことによって、テキストのセマンティックなレベルのインタラクションに変換することです。
  論文  参考訳（メタデータ） (2026-05-25T14:19:59Z)
• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• Universal Pansharpening Foundation Model [67.10467574892282]
  高分解能マルチスペクトル(MS)画像は、テクスチャリッチパンクロマティック(PAN)画像と低分解能MS画像からのスペクトル特性から空間的詳細を統合することで生成する。 本稿では,衛星非依存およびシーンロバスト融合のための普遍的パンシャーピング基盤モデルFoundPSを提案する。
  論文  参考訳（メタデータ） (2026-03-04T08:30:15Z)
• SpectralMamba-UNet: Frequency-Disentangled State Space Modeling for Texture-Structure Consistent Medical Image Segmentation [14.42559964239819]
  本稿ではスペクトル領域における構造情報とテクスチャ情報の学習を分離するためにSpectralMamba-UNetを提案する。 5つの公開ベンチマークの実験では、様々なモダリティとセグメンテーションターゲットに対して一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-02-26T15:17:42Z)
• Mixed-granularity Implicit Representation for Continuous Hyperspectral Compressive Reconstruction [16.975538181162616]
  本研究では,暗黙的ニューラル表現を用いた連続型ハイパースペクトル画像再構成法を提案する。 暗黙的な神経表現を活用することで、MGIRフレームワークは任意の望まれる空間スペクトル分解能の再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-17T03:37:42Z)
• HSRMamba: Contextual Spatial-Spectral State Space Model for Single Image Hyperspectral Super-Resolution [41.93421212397078]
  Mambaは、その強力なグローバルモデリング能力と線形計算複雑性のために、視覚タスクにおいて例外的な性能を示した。 HSRMambaはハイパースペクトル画像超解像(HSISR)のための文脈空間スペクトルモデリング状態空間モデルである
  論文  参考訳（メタデータ） (2025-01-30T17:10:53Z)
• 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)
• OSMamba: Omnidirectional Spectral Mamba with Dual-Domain Prior Generator for Exposure Correction [15.884868711123993]
  我々は新しい露光補正ネットワークであるOmnidirectional Spectral Mamba (OSMamba)を提案する。 OSMambaは、Mambaを周波数領域に適応させる全方位スペクトル走査機構を導入している。 我々は、よく露出した画像から学習し、劣化のない拡散前生成を行うデュアルドメイン先行生成器を開発した。
  論文  参考訳（メタデータ） (2024-11-22T08:54:16Z)

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。