論文の概要: ProSR: Semantic-Prototype-Guided Discrete Modeling for Physically Consistent SAR Super-Resolution
- arxiv url: http://arxiv.org/abs/2609.02377v1
- Date: Wed, 02 Sep 2026 09:50:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.222524
- Title: ProSR: Semantic-Prototype-Guided Discrete Modeling for Physically Consistent SAR Super-Resolution
- Title（参考訳）: ProSR:SARスーパーリゾリューションのためのセマンティックプロトタイプガイドディスクモデリング
- Abstract要約: 高分解能合成開口レーダ(SAR)画像は、自動目標認識として精度解析に重要であるが、その取得にはコストがかかる。
本稿では,SAR ISRを意味的に誘導された離散トークン予測タスクとして再構成するためのPrototype-Guided Super-Resolution (ProSR)を提案する。
ProSRは、実用的なSARアプリケーションに必要な必須散乱特性を保ちながら、優れた視覚的品質を実現する。
- 参考スコア（独自算出の注目度）: 28.150128853779268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-resolution Synthetic Aperture Radar (SAR) imagery is critical for precision analysis such as automatic target recognition, yet its acquisition is costly. Although generative image super-resolution (ISR) models offer a promising alternative, current smooth-approximation based diffusion frameworks often struggle to preserve the coherent scattering statistics, causing stochastic structural distortions that are less consistent with real SAR physics. To address this, we propose Semantic Prototype-Guided Super-Resolution (ProSR), reformulating SAR ISR as a semantically-guided discrete token prediction task within a quantized latent space. By mapping signal features to discrete scattering primitives, ProSR preserves the impulsive nature of SAR without over-smoothing. Furthermore, we integrate a Self-Supervised Learning backbone into SAR ISR to extract label-free semantic priors, overcoming label scarcity. Guided by these priors, we introduce Semantic-Aligned Detail Encoding to decouple high-frequency signals into discrete scattering primitives. In parallel, the Semantic Prototype Map Generator explicitly constructs semantic prototype maps, allowing Prototype-Map-Guided Attention to route the information flows within identical categories and mitigate inter-class interference. To validate our approach, we present a large-scale 0.25m resolution benchmark from the Umbra Open Dataset. Experimental results show ProSR achieves superior visual quality while preserving essential scattering characteristics required for practical SAR applications.
- Abstract（参考訳）: 高分解能合成開口レーダ(SAR)画像は、自動目標認識などの精度解析に重要であるが、その取得にはコストがかかる。
生成画像超解像(ISR)モデルは有望な代替手段を提供するが、現在の滑らかな近似に基づく拡散フレームワークは、しばしばコヒーレント散乱統計を保存するのに苦労し、実際のSAR物理と矛盾しない確率的構造歪みを引き起こす。
そこで本研究では,SAR ISRを量子化潜在空間内の意味的に誘導された離散トークン予測タスクとして再構成したSemantic Prototype-Guided Super-Resolution (ProSR)を提案する。
信号の特徴を離散散乱プリミティブにマッピングすることで、ProSRは過度に平滑化することなくSARの衝動性を保っている。
さらに,SAR ISRに自己教師付き学習バックボーンを組み込んで,ラベル不足を克服し,ラベルのないセマンティック先行情報を抽出する。
これらの先行技術で導かれたセマンティック・アライメント・ディーテール・エンコーディングを導入し、高周波信号を離散散乱プリミティブに分離する。
並行して、Semantic Prototype Map Generatorはセマンティックプロトタイプマップを明示的に構築し、Prototype-Map-Guided Attentionが同一カテゴリ内の情報フローをルーティングし、クラス間の干渉を軽減する。
提案手法を検証するため,Umbra Open Dataset から 0.25m の大規模解像度ベンチマークを提出した。
実験結果から,実用的なSAR応用に必要な散乱特性を保ちながら,ProSRの視覚的品質が向上することが示された。
関連論文リスト
- Deep Sigma Point Processes for RCS Modeling in Spaceborne SAR Imagery [3.3815414420459002]
レーダー断面積(RCS)モデリングは、宇宙搭載レーダーシステムの実用性と感度の向上の基礎となる。
本研究では,合成開口レーダ(SAR)画像におけるRCS予測のためのDSPP(Deep Sigma-point Process)モデルを提案する。
論文 参考訳（メタデータ） (2026-07-23T18:54:28Z) - Rarity-Aware Discrete Diffusion with Spatially Consistent Decoding for Photo-Realistic Image Super-Resolution [80.28905986756685]
DiMOO-SRは光リアル画像超解法のための多モード離散拡散フレームワークである。
広く使われている実世界のSRベンチマークの実験では、DiMOO-SRはいくつかの並列デコードステップで競合する知覚品質を達成する。
論文 参考訳（メタデータ） (2026-07-20T07:01:01Z) - REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。
既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。
協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
論文 参考訳（メタデータ） (2026-07-03T06:38:54Z) - Supervised Distributional Reduction via Optimal Transport and Dependence Maximization [1.0499611180329804]
ターゲット認識表現を学習するアルゴリズムであるSupervised Distribution Reduction (SDR)を提案する。
SDRはFused Gromov-Wasserstein (FGW) の目的に基づいて構築され、入力分布のリレーショナル構造を代表点の集合と整列する。
SDRはデータ依存の非定常幾何学を自然に誘導し、ガウス過程(GP)モデリングのような設定に利用することができる。
論文 参考訳（メタデータ） (2026-05-26T19:38:20Z) - Semantic Smoothing via Novel View Synthesis for Robust SAR Image Classification [5.1003654363454105]
ランダムな平滑化はノイズ入力に対する予測を平均化することでロバスト性を向上させる。
本研究では,雑音に基づく摂動をランダム変換に置き換えるセマンティックスムースメントを提案する。
セマンティックスムーシングは、標準的な攻撃やSAR固有の攻撃に対して堅牢性を向上させる。
論文 参考訳（メタデータ） (2026-05-15T00:07:15Z) - 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) - Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder [34.73963627819185]
高分解能光合成開口レーダ(SAR)プレトレーニングは、単一ソース表現を相互に強化するために、モダリティの相乗効果を求める。
我々は、アライメントの少ないテキスト・ベッター・シナジーの先駆者であるCoDe-MAEを提案する。
CoDe-MAEは、表現の劣化を防ぎ、多様な単一および双方向の下流タスクにまたがる新しい最先端のパフォーマンスを確立する。
論文 参考訳（メタデータ） (2026-04-18T10:23:00Z) - Disentangled Textual Priors for Diffusion-based Image Super-Resolution [41.71306518338786]
Image Super-Resolutionは、劣化した低解像度入力から高解像度画像を再構成することを目的としている。
既存のアプローチは、グローバルなレイアウトとローカルな詳細を混ぜ合わせた、絡み合った、あるいは粗い粒度の前のものに依存することが多い。
DTPSRは,2つの相補的な次元に絡み合ったテキストの先行処理を導入する新しい拡散型SRフレームワークである。
論文 参考訳（メタデータ） (2026-03-08T03:02:55Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - SRSR: Enhancing Semantic Accuracy in Real-World Image Super-Resolution with Spatially Re-Focused Text-Conditioning [59.013863248600046]
本稿では,空間的に再焦点を絞ったテキストコンディショニングを推論時に洗練する超解像フレームワークを提案する。
第二に,非接地画素に対するテキストの影響を選択的に回避し,幻覚を防ぐ空間的自由誘導機構を導入する。
論文 参考訳（メタデータ） (2025-10-26T05:03:55Z) - Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。
KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
論文 参考訳（メタデータ） (2025-10-23T07:12:26Z) - SatDM: Synthesizing Realistic Satellite Image with Semantic Layout
Conditioning using Diffusion Models [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。
本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。
提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
論文 参考訳（メタデータ） (2023-09-28T19:39:13Z)
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。