論文の概要: Dual-Branch State-Displacement Network for Sea Surface Temperature Super-Resolution

• arxiv url: http://arxiv.org/abs/2608.15423v1
• Date: Sat, 15 Aug 2026 21:53:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.295527
• Title: Dual-Branch State-Displacement Network for Sea Surface Temperature Super-Resolution
• Title（参考訳）: 海面温度超解像のための二重分岐状態置換ネットワーク
• Abstract要約: 海面温度(SST)は、地球規模の気候変動の重要な指標である。 衛星由来のSST画像は、しばしば粗い空間分解能に悩まされる。 SST超解像のためのDBSD-Net(Dual-Branch State-Displacement Network)を提案する。
• 参考スコア（独自算出の注目度）: 42.9772138237073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sea surface temperature (SST) is a critical indicator of global climate change, yet satellite-derived SST imagery often suffers from coarse spatial resolution, limiting the ability to capture fine-scale thermal structures such as ocean fronts. To address this, we propose a Dual-Branch State-Displacement Network (DBSD-Net) for SST super-resolution. DBSD-Net adopts a dual-branch architecture: a wavelet frequency branch that explicitly separates low and high-frequency components via discrete wavelet transform for targeted processing, and a VGGUNet branch that extracts multi-scale semantic features from a frozen pre-trained VGG backbone. Within the wavelet branch, we introduce a Structural State Space Module (SSSM) with a Gated Structure Refinement (GSR) unit to efficiently capture long-range dependencies and enhance structural integrity, and a Displacement Gate Module (DGM) that learns a displacement field for geometry-aware modulation of high-frequency details, thereby mitigating spatially varying degradation. Experiments on multiple public SST datasets demonstrate that DBSD-Net outperforms existing state-of-the-art methods.
• Abstract（参考訳）: 海面温度(SST)は、地球規模の気候変動の重要な指標であるが、衛星由来のSST画像は、しばしば粗い空間分解能に悩まされ、海洋前線のような微細な熱構造を捉える能力を制限する。 そこで本稿では,SST超解像のためのDBSD-Net(Dual-Branch State-Displacement Network)を提案する。 DBSD-Netはデュアルブランチアーキテクチャを採用しており、ターゲット処理のための離散ウェーブレット変換によって、低周波成分と高周波成分を明示的に分離するウェーブレット周波数分岐と、凍結した事前訓練されたVGGバックボーンからマルチスケールセマンティック特徴を抽出するVGGUNetブランチである。 ウェーブレット分岐では、GSRユニットを備えた構造状態空間モジュール(SSSM)を導入し、長距離の依存関係を効率的に捕捉し、構造的整合性を高めるとともに、高周波詳細の幾何学的変調のための変位場を学習する変位ゲートモジュール(DGM)を導入し、空間的に変化する劣化を緩和する。 複数の公開SSTデータセットの実験では、DBSD-Netが既存の最先端メソッドより優れていることが示されている。

関連論文リスト

• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• WaveRNet: Wavelet-Guided Frequency Learning for Multi-Source Domain-Generalized Retinal Vessel Segmentation [4.23704854635294]
  領域一般化網膜血管分節は眼科における自動診断に重要である。 本稿では,ウェーブレット誘導周波数学習フレームワークであるWaveRNetを提案する。
  論文  参考訳（メタデータ） (2026-01-09T16:58:29Z)
• WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
  本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。 高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。 標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
  論文  参考訳（メタデータ） (2025-10-24T01:41:31Z)
• Wavelet-Assisted Mamba for Satellite-Derived Sea Surface Temperature Super-Resolution [42.43494903334447]
  衛星海面温度(SST)データに対するウェーブレット支援マンバ超解法(WMSR)フレームワークを提案する。 WMSRには、低周波状態空間モジュール(LFSSM)と高周波拡張モジュール(HFEM)の2つの重要なコンポーネントが含まれている。
  論文  参考訳（メタデータ） (2025-09-29T06:33:07Z)
• FSG-Net: Frequency-Spatial Synergistic Gated Network for High-Resolution Remote Sensing Change Detection [17.275409010650147]
  本稿では,周波数-空間シナジスティックGated Network (FSG-Net) を提案する。 FSG-Net は周波数領域で動作し、DAWIM (Disdisrepancy-Aware Wavelet Interaction Module) は擬似変化を適応的に緩和する。 セマンティックギャップを埋めるために、LGFU(Lightweight Gated Fusion Unit)は、高レベルのセマンティクスを活用して、浅い層から重要な詳細を選択的にゲートし、統合する。
  論文  参考訳（メタデータ） (2025-09-08T09:46:33Z)
• 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)
• Efficient Dual-domain Image Dehazing with Haze Prior Perception [26.57698394898644]
  トランスフォーマーベースのモデルは、シングルイメージのデハージングにおいて強力なグローバルモデリング能力を示すが、その高い計算コストはリアルタイム適用性を制限する。 そこで我々はDGFDNet(Dark Channel Guided Frequency-aware Dehazing Network)を提案する。 4つのベンチマークハウズデータセットの実験により、DGFDNetは、より優れた堅牢性とリアルタイム効率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） (2025-07-15T06:56:56Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。