論文の概要: AXS-Net: Interpretable Deep Unfolding for Hyperspectral Image Denoising via Spectral Basis Unmixing and Structured Noise Refinement

• arxiv url: http://arxiv.org/abs/2609.08777v1
• Date: Tue, 08 Sep 2026 14:10:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 15:43:24.980838
• Title: AXS-Net: Interpretable Deep Unfolding for Hyperspectral Image Denoising via Spectral Basis Unmixing and Structured Noise Refinement
• Title（参考訳）: AXS-Net:スペクトル基底アンミキシングと構造的ノイズリファインメントによるハイパースペクトル画像デノジングの解釈可能な深部展開
• Abstract要約: ほとんどのディープデノイザーは、クリーンなイメージを直接取り除き、信号と構造されたノイズを絡み合わせる。 代わりに、HSI を $Y=AX+Snoise+Nnoise$ としてモデル化します。 ICVL、CAVE、ハーバードのデータセット全体で、提案されたAXS-Netは強力なドメイン内精度と競合するゼロショット転送を実現する。
• 参考スコア（独自算出の注目度）: 9.82762293297402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral images (HSIs) are often degraded by mixed noise, including band-dependent Gaussian perturbations and structured artifacts such as stripes, dead-lines, and impulse noise. Most deep denoisers regress the clean image directly, entangling signal and structured noise. We instead model HSI denoising as $\Y=\A\X+\Snoise+\Nnoise$, where $\A\X$ is a low-rank spectral-subspace (unmixing) reconstruction, $\Snoise$ is structured sparse noise and $\Nnoise$ is residual Gaussian noise. The resulting regularized optimization problem is unrolled into AXS-Net, a $K$-stage alternating proximal-point framework. Each stage combines an analytic spectral-basis gradient step, an SSX-Block proximal operator for abundance coefficients, and an SBlock proximal operator for the structured residual with column-consistent and sparse priors. This optimization correspondence exposes interpretable endmembers, abundance maps, and structured-noise estimates. Across ICVL, CAVE, and Harvard datasets and five noise configurations, the proposed AXS-Net achieves strong in-domain accuracy and competitive zero-shot transfer, with consistent gains across all five noise regimes on ICVL and Harvard. The recovered structured-noise closely follows the synthetic reference, and the recovered spectral basis is smooth and band-ordered rather than an arbitrary set of latent channels.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)は、バンド依存のガウス摂動や、ストライプ、デッドライン、インパルスノイズなどの構造化されたアーティファクトを含む混合ノイズによって劣化することが多い。 ほとんどのディープデノイザーは、クリーンなイメージを直接取り除き、信号と構造されたノイズを絡み合わせる。 代わりに、HSI denoising を $\Y=\A\X+\Snoise+\Nnoise$ としてモデル化し、$\A\X$ は低ランクスペクトル部分空間(アンミックス)再構成、$\Snoise$ はスパースノイズ、$\Nnoise$ は残留ガウスノイズである。 その結果、正規化された最適化問題は、AXS-Netにアンロールされる。 各ステージは、分析スペクトル基底勾配ステップと、豊富な係数に対するSSX-Block近似演算子と、カラム一貫性およびスパース前の構造残差に対するSBlock近似演算子とを結合する。 この最適化対応は、解釈可能なエンドメンバー、豊富なマップ、構造化ノイズ推定を公開する。 ICVL、CAVE、ハーバードのデータセットと5つのノイズ構成全体で、提案されたAXS-Netは、強力なドメイン内精度と競合するゼロショット転送を実現し、ICVLとハーバードの5つのノイズレシエーションすべてで一貫したゲインを達成している。 得られた構造ノイズは合成基準に忠実に従い、得られたスペクトル基底は任意の遅延チャネルの集合ではなく滑らかで帯域順である。

関連論文リスト

• Fidelity-Constrained Anchoring for Black-Box Denoisers [0.0]
  本稿では,ブラックボックスのデノイザを再学習することなく,計算量が少なく入力にアンカーするフレームワークを提案する。 提案手法は, ノイズ発生性能と統計的自然さのバランスを保ちながら, 有効忠実度制御を実現する。 特に、SSIMベースのアンカーは、PSNRベースのアンカーよりもノイズレベルにわたってより一貫した振る舞いをもたらす。
  論文  参考訳（メタデータ） (2026-08-13T12:59:32Z)
• ENCORE: Efficient Noise Context-Aware Representation for Low-Dose CT Denoising [1.539942973115038]
  低用量CTでは深層学習に基づく denoising が広く採用されている。 従来のモデルでは非定常的かつ空間的に相関したCTノイズ特性を考慮できない。 本稿では,効率的なノイズ認識表現フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-11T00:57:39Z)
• Denoising-GS: Gaussian Splatting with Spatial-aware Denoising [59.331050242447255]
  高忠実なノベルビュー合成(NVS)において、3Dガウススティング(3DGS)は顕著な成功を収めた 本稿では, 3DGS の最適化を原始的認知過程として定式化し, 新たな視点を導入する。 位置と空間構造を両立させることにより,プリミティブのコヒーレントなデノナイジングフレームワークであるDenoising-GSを提案する。 3つのベンチマークデータセットで実施された実験により、Denoising-GSは表現のコンパクト性を維持しながら、NVSの忠実度を一貫して向上することを示した。
  論文  参考訳（メタデータ） (2026-05-14T14:24:21Z)
• Integrating Reweighted Least Squares with Plug-and-Play Diffusion Priors for Noisy Image Restoration [6.402777145722335]
  インパルスノイズを含む一般的なノイズの頑健な除去のための生成拡散先に基づくプラグアンドプレイ画像復元フレームワークを提案する。 評価実験の結果,提案手法は非ガウス的インパルスノイズを効果的に除去し,復元性能が向上することが示された。
  論文  参考訳（メタデータ） (2025-11-10T08:11:20Z)
• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• Optimal High-probability Convergence of Nonlinear SGD under Heavy-tailed Noise via Symmetrization [50.49466204159458]
  雑音対称性に基づく2つの新しい推定器を提案する。 よりシャープな分析と改善されたレートを提供します。 モーメントと対称雑音を仮定する作業と比較して、よりシャープな解析と改善率を提供する。
  論文  参考訳（メタデータ） (2025-07-12T00:31:13Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• Orthogonal Constrained Minimization with Tensor $\ell_{2,p}$ Regularization for HSI Denoising and Destriping [9.158391874035011]
  ハイパースペクトル画像(HSI)は、ガウスノイズ、デッドライン、ストライプなどのようなノイズの混合によって汚染されることが多い。 マルチスケール低ランクテンソル正規化セル_2,p$アプローチを提案する。 提案するMLTL2p法は,平均ピーク信号-雑音比や視覚的品質といった指標を用いて,性能を実証する。
  論文  参考訳（メタデータ） (2024-07-04T03:33:19Z)
• Breaking the Heavy-Tailed Noise Barrier in Stochastic Optimization Problems [56.86067111855056]
  構造密度の重み付き雑音によるクリップ最適化問題を考察する。 勾配が有限の順序モーメントを持つとき、$mathcalO(K-(alpha - 1)/alpha)$よりも高速な収束率が得られることを示す。 得られた推定値が無視可能なバイアスと制御可能な分散を持つことを示す。
  論文  参考訳（メタデータ） (2023-11-07T17:39:17Z)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• CFNet: Conditional Filter Learning with Dynamic Noise Estimation for Real Image Denoising [37.29552796977652]
  本稿では、カメラ内信号処理パイプラインを用いた異方性ガウス/ポアソンガウス分布によって近似された実雑音について考察する。 本稿では,特徴位置の異なる最適なカーネルを画像とノイズマップの局所的特徴により適応的に推定できる条件付きフィルタを提案する。 また,CNN構造にノイズ推定や非ブラインド復調を行う場合,反復的特徴復調を導出する前に連続的にノイズを更新すると考える。
  論文  参考訳（メタデータ） (2022-11-26T14:28:54Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)
• Hyperspectral Image Denoising with Partially Orthogonal Matrix Vector Tensor Factorization [42.56231647066719]
  ハイパースペクトル画像(HSI)は、スペクトルの余分な情報により、様々な用途の自然画像に対していくつかの利点がある。 買収の間、しばしばガウシアンノイズ、インパルスノイズ、期限、ストライプなどの厳しい騒音によって汚染される。 本研究では,スムーズかつロバストな低ランクテンソルリカバリというHSI復元手法を提案する。
  論文  参考訳（メタデータ） (2020-06-29T02:10:07Z)

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。