論文の概要: DPSF-Net: A Dual-Prior Spatial-Frequency Network for Real-World Remote Sensing Image Dehazing
- arxiv url: http://arxiv.org/abs/2609.06962v1
- Date: Mon, 07 Sep 2026 03:00:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.343809
- Title: DPSF-Net: A Dual-Prior Spatial-Frequency Network for Real-World Remote Sensing Image Dehazing
- Title（参考訳）: DPSF-Net:リアルタイムリモートセンシング画像デハージングのためのデュアルピア空間周波数ネットワーク
- Abstract要約: 実世界のRSIDのためのMCAF-Net上に構築された2重プリア空間周波数ネットワークDPSF-Netを提案する。
ネットワークは、ぼんやりしたRGBイメージとダークチャネル事前(DCP)マップをジョイント入力として使用し、物理的劣化の手がかりにより、エンドツーエンドの機能学習をガイドする。
実験により、DPSF-Netは現実世界のRRSHIDリモートセンシング画像デハージングベンチマークで最先端のパフォーマンスを達成することが示された。
- 参考スコア（独自算出の注目度）: 1.0096416727161845
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-world remote sensing image dehazing (RSID) remains challenging because atmospheric scattering, spatially non-uniform haze and colour distortion jointly degrade structural and spectral information. Most deep learning methods rely on RGB inputs and spatial-domain feature extraction, which limits their ability to separate global background haze from local surface details. Here, we propose DPSF-Net, a dual-prior spatial-frequency network built on MCAF-Net for real-world RSID. The network uses hazy RGB images and dark channel prior (DCP) maps as joint inputs, allowing physical degradation cues to guide end-to-end feature learning. A spatial-frequency residual interaction block introduces a FourierUnit branch into multi-directional spatial interaction to model large-scale haze components. A prior-guided feature attention module adaptively fuses prior and attention features to reduce colour shift and structural distortion. A selective kernel complementary fusion module screens multi-scale skip features through bidirectional residual complementary gating and selective kernel fusion. Extensive experiments demonstrate that DPSF-Net achieves state-of-the-art performance on the real-world RRSHID remote sensing image dehazing benchmark and remains competitive across multiple synthetic datasets. Moreover, the proposed method strikes a favourable balance among restoration quality, parameter count and computational complexity, supporting the effectiveness of dual-prior spatial-frequency modelling.
- Abstract（参考訳）: 実世界のリモートセンシング画像デハージング(RSID)は、大気散乱、空間的に不均一なヘイズ、色歪みが構造情報とスペクトル情報を共に劣化させるため、依然として困難である。
ほとんどのディープラーニング手法はRGB入力と空間領域の特徴抽出に依存しており、局所的な表面の詳細からグローバルな背景迷路を分離する能力を制限する。
本稿では,実世界のRSIDのためのMCAF-Net上に構築された2重プリア空間周波数ネットワークDPSF-Netを提案する。
ネットワークは、ぼんやりしたRGBイメージとダークチャネル事前(DCP)マップをジョイント入力として使用し、物理的劣化の手がかりにより、エンドツーエンドの機能学習をガイドする。
空間周波数残差相互作用ブロックは、大規模ハウズ成分をモデル化するための多方向空間相互作用にフーリエUnitブランチを導入する。
予め誘導された特徴注意モジュールは、色シフトと構造歪みを低減するために、事前及び注意特徴を適応的に融合する。
選択的カーネル相補的融合モジュールは、双方向の相補的ゲーティングと選択的カーネル相補的融合を通じてマルチスケールスキップ特徴をスクリーニングする。
大規模な実験により、DPSF-Netは現実世界のRRSHIDリモートセンシング画像デハージングベンチマークで最先端のパフォーマンスを達成し、複数の合成データセット間で競争力を維持していることが示された。
さらに, 提案手法は, 復元品質, パラメータ数, 計算複雑性のバランスが良好であり, 二重主空間周波数モデリングの有効性を裏付けるものである。
関連論文リスト
- Exploring the Potential of Contrastive Language-Image Pre-training for Multi-Source Remote Sensing Data [12.302498570831538]
視覚言語モデリングのためのマルチソースセンサ入力をサポートする,エンドツーエンドのコントラスト学習フレームワークを提案する。
スペクトルコンテキスト対応マスクに基づくコントラスト学習方式を導入し、モダリティ固有の冗長な特徴を抑える。
マルチモーダルトレーニングを支援するため,最初の大規模リモートセンシング画像テキストコーパスであるOmniRS5Mを構築した。
論文 参考訳（メタデータ） (2026-09-03T05:45:31Z) - Weaving Light and Time: Unified Harmonic-Geometric Representation Learning for Dense RGB-Event Parsing [55.13802890769086]
我々は、専用のRGB-Event解析用に特別に設計された最初の統一バックボーンであるEvitaを紹介する。
深いモーダルなシナジーを達成するため、Evitaはすべてのエンコーダ層に直接固有のコラーニングモジュール群を組み込む。
Evitaは、リアルタイムマルチモーダル認識において、より優れた精度とレイテンシのトレードオフを提供しながら、新しい最先端メトリクスを確立する。
論文 参考訳（メタデータ） (2026-07-10T06:52:09Z) - FSCM: Frequency-Enhanced Spatial-Spectral Coupled Mamba for Infrared Hyperspectral Image Colorization [10.509841173943387]
本稿では、赤外色化のためのスペクトル情報誘導型GANフレームワークを提案する。
FSCM内では、カスケードFSBユニットからなる周波数増幅空間スペクトル状態空間ジェネレータが構築される。
実験により、FSCMは、視覚的品質と意味的忠実度において、既存の赤外色化法よりも優れていることが示された。
論文 参考訳（メタデータ） (2026-05-13T15:48:58Z) - DIFF-MF: A Difference-Driven Channel-Spatial State Space Model for Multi-Modal Image Fusion [51.07069814578009]
マルチモーダル画像融合は、複数のソース画像から補完的な情報を統合して、リッチなコンテンツで高品質な融合画像を生成することを目的としている。
マルチモーダル画像融合のための差動駆動型チャネル空間空間モデルDIFF-MFを提案する。
本手法は,視覚的品質と定量的評価の両方において,既存の手法よりも優れている。
論文 参考訳（メタデータ） (2026-01-09T05:26:54Z) - 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) - Residual Prior-driven Frequency-aware Network for Image Fusion [6.90874640835234]
画像融合は、高品質な融合画像を生成するために、モダリティにまたがる相補的な情報を統合することを目的としている。
本稿ではRPFNetと呼ばれる残差優先周波数対応ネットワークを提案する。
論文 参考訳（メタデータ） (2025-07-09T10:48:00Z) - FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
計算コストの制限による顔超解像(FSR)は未解決の問題である。
既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。
本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
論文 参考訳（メタデータ） (2025-06-17T02:33:42Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - Spatial-frequency Dual-Domain Feature Fusion Network for Low-Light Remote Sensing Image Enhancement [49.15531684596958]
低照度リモートセンシング画像強調のためのDFFN(Dual-Domain Feature Fusion Network)を提案する。
第1フェーズは振幅情報を学習して画像輝度を復元し、第2フェーズは位相情報を学習して詳細を洗練させる。
我々は、現在の暗光リモートセンシング画像強調におけるデータセットの欠如に対応するために、2つの暗光リモートセンシングデータセットを構築した。
論文 参考訳（メタデータ） (2024-04-26T13:21:31Z) - Residual Spatial Fusion Network for RGB-Thermal Semantic Segmentation [19.41334573257174]
従来の方法では、主にRGBイメージを使用し、照明条件、例えば暗闇の影響が大きい。
近年の研究では、セグメンテーションの補正モダリティとして、熱画像は夜のシナリオに頑健であることが示されている。
本稿では,RGB-TセマンティックセグメンテーションのためのResidual Spatial Fusion Network (RSFNet)を提案する。
論文 参考訳（メタデータ） (2023-06-17T14:28:08Z)
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。