論文の概要: Lightweight Interpretable RGB-Guided Hyperspectral Super-Resolution under Real Cross-resolution Misalignment
- arxiv url: http://arxiv.org/abs/2609.01060v1
- Date: Tue, 01 Sep 2026 10:55:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.590889
- Title: Lightweight Interpretable RGB-Guided Hyperspectral Super-Resolution under Real Cross-resolution Misalignment
- Title（参考訳）: リアルクロスレゾリューションによる軽量RGB誘導ハイパースペクトル超解像
- Authors: Mohamad Jouni, Aurélien Godet, Mauro Dalla Mura,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.5685272845309255
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Compact snapshot hyperspectral cameras provide rich instantaneous spectral measurements for ground-level machine vision, but at lower spatial resolution than standard RGB cameras. RGB-guided hyperspectral super-resolution (HSR) addresses this limitation by transferring spatial detail from a high-resolution RGB guide to a low-resolution hyperspectral image (HSI). These dual-camera systems are typically in a horizontal rig geometry, requiring cross-camera image alignment due to different fields of view. However, residual misregistration can inject spurious high-frequency details. Existing learned unaligned-fusion methods are usually trained for a fixed spectral support and spatial scale factors and can be computationally demanding, limiting their flexibility across sensors. We propose a lightweight and interpretable RGB-guided HSR framework combining cross-modal flow alignment with model-based Gram-Schmidt orthogonalization fusion. The method first warps the RGB guide onto the HSI grid, then estimates an energy-based confidence weight map by measuring local alignment reliability. This map is then used both in a weighted least-squares spectral regression and in a gated fusion between the super-resolved estimate and an HSI-preserving estimate. Unlike existing learned methods, the proposed framework has a low computational footprint and supports VIS-NIR spectral supports and scale factors without retraining. Experiments on the Real benchmark show that the proposed method improves reconstruction accuracy over learned fusion baselines while remaining substantially faster. On a 34-frame sequence acquired with our real RGB-HSI dual-camera setup, a reduced-resolution quantitative evaluation validates the method under genuine cross-sensor radiometric, noise, and geometric differences, while native-resolution qualitative results demonstrate deployment on the full 51-band VIS-NIR acquisition.
- Abstract（参考訳）: コンパクト・スナップショット・ハイパースペクトルカメラは、地上レベルのマシンビジョンに対して、リッチな瞬時スペクトル測定を提供するが、標準のRGBカメラよりも空間分解能は低い。
RGB誘導ハイパースペクトル超解像(HSR)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(HSI)へ空間的詳細を転送することで、この制限に対処する。
これらのデュアルカメラシステムは、一般的に水平のリグ形状であり、視野の異なるため、クロスカメラ画像アライメントを必要とする。
しかし、残留する誤登録は、突発的な高周波の詳細を注入することができる。
既存の学習された非整合融合法は通常、固定スペクトルのサポートと空間スケールの要素のために訓練され、計算的に要求され、センサー間の柔軟性が制限される。
モデルベースGram-Schmidt直交化融合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。
この方法はまずRGBガイドをHSIグリッドにワープし、局所的なアライメントの信頼性を測定してエネルギーベースの信頼度重みマップを推定する。
この写像は、重み付けされた最小二乗スペクトル回帰と、超解推定値とHSI保存推定値とのゲート融合の両方に使用される。
既存の学習手法とは異なり、提案フレームワークは計算フットプリントが低く、VIS-NIRスペクトルをサポートし、再学習せずにスケールファクタをサポートする。
Real ベンチマーク実験の結果,提案手法は学習した核融合ベースラインよりも精度が向上し,精度は大幅に向上した。
実RGB-HSIデュアルカメラで取得した34フレームのシーケンスにおいて,本手法を真のクロスセンサラジオメトリック,ノイズ,幾何学的差異の下で評価し,一方,ネイティブ解像度定性的結果は51バンドVIS-NIRの完全取得に対する展開を示す。
関連論文リスト
- 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) - Physics-Informed Untrained Learning for RGB-Guided Superresolution Single-Pixel Hyperspectral Imaging [8.236676323458687]
SPI(Single-Pixel Imaging)は、高スペクトル取得への費用対効果を提供するが、非常に低いサンプリングレートで高忠実度空間およびスペクトルの詳細の回復に苦慮している。
本稿では、トレーニングされていないニューラルネットワークとRGBガイダンスを併用した、超高スペクトル再構成と超解像のためのエンドツーエンド物理インフォームドフレームワークを提案する。
提案手法は, 再現精度とスペクトル忠実度の両方において, 最先端のアルゴリズムを大幅に上回っている。
論文 参考訳（メタデータ） (2026-04-04T03:48:08Z) - Unaligned RGB Guided Hyperspectral Image Super-Resolution with Spatial-Spectral Concordance [18.045877106333766]
超高分解能画像は空間分解能を改善することを目的としているが、その性能は高分解能比で制限されることが多い。
非整合参照RGBガイド付きHSI SRのためのフレームワークを導入し、不正確なアライメントと不正確な対話性の問題に対処する。
本手法は,定量評価と定性評価の両面において,最先端の手法より優れている。
論文 参考訳（メタデータ） (2025-05-04T13:29:31Z) - From Image- to Pixel-level: Label-efficient Hyperspectral Image Reconstruction [9.181668145020895]
画素レベルのスペクトル超解像(Pixel-SSR)パラダイムを導入し,RGBと点スペクトルから高スペクトル像を再構成する。
その利点にもかかわらず、Pixel-SSRは、1)ポイントスペクトルを欠いた新規シーンへの一般化可能性、2)再構成精度を高める効果的な情報抽出の2つの主要な課題を提示している。
論文 参考訳（メタデータ） (2025-03-10T02:23:32Z) - Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。
提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
論文 参考訳（メタデータ） (2025-01-25T06:21:06Z) - 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) - 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) - Fast Hyperspectral Image Recovery via Non-iterative Fusion of
Dual-Camera Compressive Hyperspectral Imaging [22.683482662362337]
符号化開口分光画像(CASSI)は3次元ハイパースペクトル像(HSI)を撮像するための有望な技術である
様々な正規化器を用いて2次元計測から3次元データを再構成している。
実現可能な解決策の1つは、CASSIのRGB測定などの追加情報を活用することです。
論文 参考訳（メタデータ） (2020-12-30T10:29:32Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z) - Light Field Spatial Super-resolution via Deep Combinatorial Geometry
Embedding and Structural Consistency Regularization [99.96632216070718]
ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。
LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。
本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-05T14:39:57Z)
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。