論文の概要: A PyTorch Library for Hyperspectral Image Models: Technical Report

• arxiv url: http://arxiv.org/abs/2609.39871v2
• Date: Fri, 02 Oct 2026 14:35:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:29.96769
• Title: A PyTorch Library for Hyperspectral Image Models: Technical Report
• Title（参考訳）: ハイパースペクトル画像モデルのためのPyTorchライブラリ:技術報告
• Abstract要約: Hyperspectral Image Modelsは、断片化されたリポジトリ、互換性のないテンソル規約、標準化されていない評価に対処する。 6つのパラダイムで55の代表的なモデルを統一し、共通のレジストリ、自動4D/5Dテンソル適応、標準化されたコンストラクタを備える。 Airborne、Spaceborne、UAV、Mars CRISMセンサーからの24のベンチマークシーンを統合し、キャッシュ、ラベルリマッピング、PCA、明示的なバンド選択または生のスペクトル、オプションの空間最大プーリング、任意のPxPパッチ抽出を行う。
• 参考スコア（独自算出の注目度）: 4.164845768197488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral remote sensing has advanced across diverse deep learning paradigms, including spectral spatial CNNs, Vision Transformers, Mamba, graph neural networks, Kolmogorov Arnold networks, and self supervised masked autoencoding. Yet progress remains hindered by fragmented repositories, incompatible tensor conventions, and non standardized evaluation. Hyperspectral Image Models addresses these challenges through a modular framework unifying 55 representative models across six paradigms with a common registry, automatic 4D/5D tensor adaptation, and standardized constructors. It integrates 24 benchmark scenes from Airborne, Spaceborne, UAV, and Mars CRISM sensors, with caching, label remapping, PCA, explicit band selection or raw spectra, optional spatial max pooling, and arbitrary PxP patch extraction. To prevent inflated accuracy from overlapping windows, it supports class balanced random partitioning and spatially disjoint regional blocking with Chebyshev guard bands that eliminate train test pixel overlap. Experiments use a single config with deterministic seeds and complete provenance, generating LaTeX benchmark tables and classification maps. Across 1,320 model scene evaluations and 6,600 seeded runs, scene difficulty dominates architecture, with mean accuracy ranging from 96.40% on Botswana to 56.70% on Houston 2018, versus a 15 point spread across paradigm means. No paradigm universally dominates, while sub 1 M parameter models can match architectures two orders of magnitude larger. Code is publicly available at https://github.com/Tanishq251/Hyperspectral-Image-Models.
• Abstract（参考訳）: ハイパースペクトルリモートセンシングは、スペクトル空間CNN、ビジョントランスフォーマー、Mamba、グラフニューラルネットワーク、コルモゴロフ・アーノルドネットワーク、自己教師付きマスク付き自動符号化など、さまざまなディープラーニングパラダイムで進歩している。 しかし、進歩は、断片化されたリポジトリ、互換性のないテンソル規約、標準化されていない評価によって妨げられている。 Hyperspectral Image Modelsは、6つのパラダイムにまたがる55の代表的なモデルを共通のレジストリ、自動4D/5Dテンソル適応、標準化されたコンストラクタで統一するモジュールフレームワークを通じて、これらの課題に対処する。 Airborne、Spaceborne、UAV、Mars CRISMセンサーからの24のベンチマークシーンを統合し、キャッシュ、ラベルリマッピング、PCA、明示的なバンド選択または生のスペクトル、オプションの空間最大プーリング、任意のPxPパッチ抽出を行う。 ウィンドウが重なり合うのを防ぐため、クラスバランスの取れたランダムパーティショニングをサポートし、チェビシェフガードバンドと空間的に不合流な地域的ブロッキングをサポートし、テストピクセルのオーバーラップを排除している。 実験では、決定論的シードと完全な証明を備えた単一の構成を使用して、LaTeXベンチマークテーブルと分類マップを生成する。 1,320のモデルシーンの評価と6,600回のシードランで、シーンの難易度が建築を上回り、ボツワナでは96.40%、ヒューストンでは56.70%、パラダイムでは15ポイントが広がっている。 パラダイムが普遍的に支配することはないが、サブ 1 M のパラメータモデルは2桁の大きさのアーキテクチャと一致する。 コードはhttps://github.com/Tanishq251/Hyperspectral-Image-Modelsで公開されている。

関連論文リスト

• iSAGE: A Human-in-the-Loop Framework for Remote Sensing Semantic Segmentation via Sparse Point Supervision [0.1749935196721634]
  既存のHuman-in-the-loopフレームワークは、余分なクリックを補助機械を介して密集した監視に拡張する。 本稿では, 任意の画素ではなく, 信頼度の高いモデル誤差をターゲットとした, 専門家によるクリックが, 厳密な監督と一致させるのに十分である,という仮説を立てる。 iSAGEは補助機械を使わずに動作する唯一の反復型人間-イン-ザ-ループフレームワークである。
  論文  参考訳（メタデータ） (2026-06-08T20:09:35Z)
• OmniSAM: Omnidirectional Segment Anything Model for UDA in Panoramic Semantic Segmentation [38.730173012619304]
  Segment Anything Model 2 (SAM2) は様々なピンホール画像分割タスクにおいて強力なベースモデルとして登場した。 ピンホール(70円×70円)とパノラマ画像(180円×360円)の間には、ユニークな課題がある。 本稿では,パノラマセマンティックセマンティックセグメンテーションにSAM2を適用しようとする新しいOmniSAMフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-10T09:21:08Z)
• A Fair Ranking and New Model for Panoptic Scene Graph Generation [51.78798765130832]
  Decoupled SceneFormer(DSFormer)は、既存のすべてのシーングラフモデルよりも優れた2段階モデルである。 基本設計原則として、DSFormerは被写体とオブジェクトマスクを直接特徴空間にエンコードする。
  論文  参考訳（メタデータ） (2024-07-12T12:28:08Z)
• MaskConver: Revisiting Pure Convolution Model for Panoptic Segmentation [17.627376199097185]
  我々は純粋な畳み込みモデルを再検討し、MaskConverという新しい汎光学アーキテクチャを提案する。 MaskConverは、センターを予測することによって、物や物の表現を完全に統一することを提案する。 本稿では,畳み込みモデルと変圧器モデルのパフォーマンスギャップを埋める強力なConvNeXt-UNetデコーダを提案する。
  論文  参考訳（メタデータ） (2023-12-11T00:52:26Z)
• MatFormer: Nested Transformer for Elastic Inference [91.45687988953435]
  MatFormerは、多様なデプロイメント制約にまたがる弾性推論を提供するように設計された、新しいTransformerアーキテクチャである。 MatFormerは、標準的なTransformerモデルにネストフィードフォワードネットワーク(FFN)ブロック構造を組み込むことで、これを実現している。 8億5000万デコーダのみのMatFormer言語モデル(MatLM)により,5億2200万から8億5千万のパラメータにまたがる複数の小さなモデルを抽出できることを示す。
  論文  参考訳（メタデータ） (2023-10-11T17:57:14Z)
• Matcher: Segment Anything with One Shot Using All-Purpose Feature Matching [63.88319217738223]
  市販の視覚基礎モデルを用いて様々な知覚課題に対処する新しい知覚パラダイムであるMatcherを提案する。 Matcherは、様々なセグメンテーションタスクにまたがる印象的な一般化パフォーマンスを、すべてトレーニングなしでデモする。 我々の結果は、野生の画像に適用されたMatcherのオープンワールドの一般性と柔軟性をさらに示すものである。
  論文  参考訳（メタデータ） (2023-05-22T17:59:43Z)
• DilateFormer: Multi-Scale Dilated Transformer for Visual Recognition [62.95223898214866]
  我々は,視覚変換器の有効性を探究し,参加する受容領域の計算複雑性とサイズとのトレードオフを追求する。 ピラミッドアーキテクチャを用いて,MSDAブロックを低レベルに積み重ねたマルチスケールDilated Transformer (DilateFormer) と,高レベルにグローバルなマルチヘッド自己保持ブロックを構築する。 実験の結果,DilateFormerは様々な視覚タスクで最先端のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-02-03T14:59:31Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)

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。