論文の概要: Registration-Free Hyperspectral Reconstruction from RGB via a Permutation-Invariant Gram-Matrix Principle

• arxiv url: http://arxiv.org/abs/2608.14994v1
• Date: Sat, 15 Aug 2026 02:52:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.15529
• Title: Registration-Free Hyperspectral Reconstruction from RGB via a Permutation-Invariant Gram-Matrix Principle
• Title（参考訳）: 変分不変グラム行列原理によるRGBからのレジストレーションフリーハイパースペクトル再構成
• Abstract要約: 低分解能HSI(LR-HSI)から空間的・スペクトル的に高分解能ハイパースペクトル像(HR-HSI)を再構成することは、通常、正確な登録と既知のカメラ応答関数(CRF)を仮定する。 我々は、置換不変の監督原則により、両方を取り除きます。 残留スペクトル超解像関数はHR-RGBを直接HR-HSIにマッピングする。
• 参考スコア（独自算出の注目度）: 3.532189500882914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing a spatially and spectrally high-resolution hyperspectral image (HR-HSI) from a low-resolution HSI (LR-HSI) and a high-resolution RGB image (HR-RGB) usually assumes precise registration and a known camera response function (CRF). Both assumptions are difficult to satisfy with different sensors. We remove both through a permutation-invariant supervision principle: the Gram matrix of an unmixed abundance map depends on shared material composition but not on pixel ordering. Matching abundance Gram matrices therefore allows RGB-to-HSI mapping to be learned without spatial correspondence and without a predefined CRF. Under a full random permutation of HR-RGB pixels, a state-of-the-art fusion method collapses, whereas our reconstruction is unchanged after inverse reindexing for evaluation. Building on this principle, a residual spectral super-resolution function maps HR-RGB directly to HR-HSI without registration, known CRF, or paired supervision. Across indoor, natural-scene, and remote-sensing benchmarks, the method achieves accuracy comparable to approaches that require these assumptions while remaining robust when they are violated. Loss ablations further show that reconstruction accuracy is largely insensitive to the specific discrepancy used to match the Gram matrices, indicating that performance arises primarily from the permutation-invariant principle rather than loss tuning.
• Abstract（参考訳）: 低分解能HSI(LR-HSI)と高分解能RGB画像(HR-RGB)から空間的かつスペクトル的に高分解能ハイパースペクトル像(HR-HSI)を再構成することは、通常、正確な登録と既知のカメラ応答関数(CRF)を仮定する。 どちらの仮定も、異なるセンサーで満たすのは難しい。 混合されていないアブリダンス写像のグラム行列は、共有材料組成に依存するが、画素順序付けには依存しない。 一致した文法行列により、RGB-HSIマッピングを空間的対応なく、事前定義されたCRFなしで学習することができる。 HR-RGBピクセルの完全なランダムな置換の下では、最先端の融合法が崩壊する一方、我々の再構成は評価のために逆回帰した後に変化しない。 この原理に基づいて、残留スペクトル超解像関数はHR-RGBを直接HR-HSIにマッピングする。 屋内、自然シーン、リモートセンシングのベンチマーク全体で、この手法は、これらの仮定を必要とするアプローチに匹敵する精度を達成し、違反した場合は頑健に維持する。 ロスアブレーションは、復元精度がグラム行列にマッチする特定の相違に大きく敏感であることを示し、性能は損失チューニングではなく、主に置換不変原理から生じることを示している。

関連論文リスト

• Lightweight Interpretable RGB-Guided Hyperspectral Super-Resolution under Real Cross-resolution Misalignment [6.5685272845309255]
  RGB誘導ハイパースペクトル超解像は、高解像度のRGBガイドから低解像度のハイパースペクトル画像へ空間的詳細を転送する。 モデルベースGram-Schmidtization fusionとクロスモーダルフローアライメントを組み合わせた軽量かつ解釈可能なRGB誘導型HSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-01T10:55:11Z)
• Rethinking Auxiliary Modalities in Multimodal Zero-shot Anomaly Detection: From Semantic Fusion to Conditional Modulation [38.070045759599225]
  ゼロショット異常検出のためのプラグアンドプレイ補助条件拡張フレームワークを提案する。 本フレームワークは,RGB画像テキスト異常マッチング経路を保存し,RGB特徴改善のための条件信号として補助観測を用いる。 MVTec 3D-ADとEyecandiesの実験は、我々のフレームワークが複数のRGBベースのゼロショット異常検知器を一貫して改善していることを示している。
  論文  参考訳（メタデータ） (2026-08-14T05:33:45Z)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• DegBins: Degradation-Driven Binning for Depth Super-Resolution [57.61783461543096]
  DegBinsは、劣化駆動のビンニングを利用して残留モデリングを適応的に強化する新しいDSRフレームワークである。 DegBinsは、精度、堅牢性、一般化の観点から、既存の最先端メソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-10T16:17:11Z)
• RAW-Flow: Advancing RGB-to-RAW Image Reconstruction with Deterministic Latent Flow Matching [55.03149221192589]
  本稿では,RGBとRAW表現のギャップを埋めるためにRAW-Flowという新しいフレームワークを提案する。 また、階層的なRGB機能をフロー推定プロセスに注入する、大規模コンテキストガイダンスモジュールも導入する。 RAW-Flowは、定量的にも視覚的にも最先端のアプローチより優れている。
  論文  参考訳（メタデータ） (2026-01-28T08:27:38Z)
• RGB Pre-Training Enhanced Unobservable Feature Latent Diffusion Model for Spectral Reconstruction [16.54284634377436]
  スペクトル構造表現学習とスペクトル-空間共分散学習からなる2段階パイプラインを提案する。 第1段階では、スペクトル可観測特徴オートエンコーダ(SpeUAE)を訓練し、その可観測特徴をRGB空間に整列した3次元多様体に抽出し圧縮する。 その後、ULDMを取得し、対応するRGB画像からのガイダンスで符号化された観測不能な特徴の分布をモデル化する。
  論文  参考訳（メタデータ） (2025-07-17T10:07:32Z)
• MCGA: Mixture of Codebooks Hyperspectral Reconstruction via Grayscale-Aware Attention [14.639924169894785]
  我々は,Grayscale-aware Attention frameworkを用いたMixture-of-CodebooksであるMCGAを提案する。 MCGAは異質なHSIデータセットからコードブックの混合を通じて、転送可能なスペクトル前処理を学習する。 ベンチマークと実世界のデータの実験では、最先端の精度、強力なクロスデータセットの一般化、4-5倍高速な推論が示されている。
  論文  参考訳（メタデータ） (2025-07-14T03:46:06Z)
• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• EigenSR: Eigenimage-Bridged Pre-Trained RGB Learners for Single Hyperspectral Image Super-Resolution [15.459253235077375]
  単一ハイパースペクトル画像超解像(単一HSI-SR)は、単一入力低解像度HSIの解像度を改善することを目的としている。 データ不足のボトルネックのため、単一HSI-SRの開発はRGBの自然画像よりもはるかに遅れている。
  論文  参考訳（メタデータ） (2024-09-06T06:46:01Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Hyperspectral Image Super Resolution with Real Unaligned RGB Guidance [11.711656319221072]
  異種特徴抽出,多段階特徴アライメント,注意的特徴融合を含むHSI融合ネットワークを提案する。 本手法は, 既存の単一画像と核融合による超解像法に対して, 定量的評価と視覚的比較において明らかに改善されている。
  論文  参考訳（メタデータ） (2023-02-13T11:56:45Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)

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。