論文の概要: Spectral-Spatial Interpretation

• arxiv url: http://arxiv.org/abs/2610.21114v1
• Date: Thu, 15 Oct 2026 02:17:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.136419
• Title: Spectral-Spatial Interpretation
• Title（参考訳）: スペクトル・空間解釈
• Abstract要約: ポストホック画像の説明は通常、モデルが空間熱マップを使用して見える場所を示すか、グローバルチャネルスコアを使用してどのチャネルが重要かを示す。 位置チャネルプレーヤに対するフルグリッド属性法であるSpectral-Spatial Interpretation (SSI)を導入する。 それぞれの空間的位置について、SSIは観測された周囲の状況を修正し、その位置にあるチャンネル上の条件付きゲームを定義し、このローカルゲームにシェープリー値を適用する。
• 参考スコア（独自算出の注目度）: 1.980498913496519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-hoc image explanations usually show where a model looks using spatial heatmaps or indicate which channels matter using global channel scores. These separate views are limiting for multispectral data because channel relevance is often spatially localized and physically meaningful. We introduce Spectral-Spatial Interpretation (SSI), a full-grid attribution method over position-channel players (g,c). For each spatial position, SSI fixes the observed surrounding context, defines a conditional game over the channels at that position, and applies the Shapley value to this local game. The result is a full spectral-spatial attribution matrix rather than a single heatmap or a global channel ranking. SSI has a clear local interpretation. It satisfies Shapley fairness within each position, and aggregating its channel attributions exactly recovers the position-level contextual contrast obtained by replacing that position with the baseline. SSI also differs from context-averaged Owen-style hierarchical accounting, which uses the same position-channel grouping but averages over external spatial coalitions. On HLS Burn Scar, SSI outperforms an MC-Owen estimator across retained attribution metrics while using only about 6% of its evaluation budget. Across CUB-200, EuroSAT, and HLS Burn Scar under both per-channel mean and zero baselines, SSI achieves the best joint deletion and insertion AUC over dense, flat, and rank-1 baselines, yields the strongest spectral hit rates and channel deletion, and leads spatial localization on both annotated datasets. Code is available at https://github.com/AtheavenMa/Spectral-Spatial-Interpretation.
• Abstract（参考訳）: ポストホック画像の説明は通常、モデルが空間熱マップを使用して見える場所を示すか、グローバルチャネルスコアを使用してどのチャネルが重要かを示す。 これらの分離されたビューは、チャネルの関連性はしばしば空間的局所化され、物理的に意味があるため、マルチスペクトルデータに制限されている。 本稿では、位置チャネルプレーヤー(g,c)に対するフルグリッド属性法であるSSI(Spectral-Spatial Interpretation)を提案する。 それぞれの空間的位置について、SSIは観測された周囲の状況を修正し、その位置にあるチャンネル上の条件付きゲームを定義し、このローカルゲームにシェープリー値を適用する。 その結果、単一のヒートマップやグローバルチャネルランキングではなく、完全なスペクトル空間属性行列が得られた。 SSIは明確な局所的な解釈を持っている。 各位置におけるシェープリーの公平さを満足し、チャネルの属性を集約することで、その位置をベースラインに置き換えることで得られる位置レベルのコントラストを正確に回復する。 SSIは、同じ位置チャネルのグルーピングを用いるが、外部空間の連立よりも平均的なオーウェンスタイルの階層的会計とは異なる。 HLS Burn Scarでは、SSIはMC-Owen推定器を、その評価予算の6%しか使用せず、保持された属性の指標で上回っている。 CUB-200、EuroSAT、HLS Burn Scarの両チャンネル平均値とゼロベースラインの下では、SSIは、密度、平坦、ランク1ベースライン上で最高の関節削除および挿入AUCを達成し、最も強いスペクトルヒット率とチャネル削除をもたらし、両方の注釈付きデータセットに空間的ローカライゼーションをもたらす。 コードはhttps://github.com/AtheavenMa/Spectral-Spatial-Interpretationで入手できる。

関連論文リスト

• Region Aware Squeeze-and-Excitation Networks for Image Segmentation [0.0622199181056581]
  Squeeze-and-Excitation (SE)モジュールはチャネル依存性をモデル化することで畳み込みネットワークを改善するが、グローバル平均プールは空間構造を1つのチャネルごとの記述子に分解する。 グローバルプールを空間誘導型プールに置き換えてSEを一般化し、地域対応チャネル再校正を可能にする。
  論文  参考訳（メタデータ） (2026-10-10T17:24:23Z)
• ConCA: Concentration-Aware Channel Attention for Fine-Grained Visual Recognition [0.41073293267048777]
  concentration-Aware Channel Attention (ConCA) は、大きさと濃度をエンコードする二重記述子である。 6つのきめ細かいベンチマークでは、注意のないSE-Net、ECA-Netベースラインよりも改善されている。 これらの結果は、チャネル記述子と、それを注意重みにマッピングするチャネルごとのゲーティングが、視覚認識における軽量なチャネル注意の重要かつ未発見の側面であることを示している。
  論文  参考訳（メタデータ） (2026-08-31T03:07:59Z)
• Rank-Aware Hyperbolic Alignment for Vision-Language Dataset Distillation [54.74045834035952]
  視覚言語データセット蒸留(VLDD)は、大きな画像テキストのペア化されたデータセットを小さな合成ペアに圧縮する。 階層幾何学と明示的なアライメント・キャパシティ制御を組み合わせたランク認識型双曲アライメント(RAHA)を提案する。 RAHAは、競争力のあるクロスモーダル検索と、固定予算下での転送インジケータの改善を示す。
  論文  参考訳（メタデータ） (2026-06-28T15:41:31Z)
• NARRAS: Edge-Triggered Distributed Inference for CSI-Based Localization in Vehicular IoT Networks [52.237935683898144]
  車両用IoTネットワークにおけるCSIベースのローカライゼーションのためのETDIをインスタンス化する。 NARRASは、各RAAが最新の観測結果の要約と送信した最後の潜伏状態の記憶を結合した分散レポートポリシーである。
  論文  参考訳（メタデータ） (2026-06-10T10:47:44Z)
• Learning to Gridize: Segment Physical World by Wireless Communication Channel [32.95972150896482]
  Channel Space Gridization (CSG) は、チャネル推定とグリッド化を初めて統合する先駆的なフレームワークである。 トレーニング可能なRSRP-to-CAPSエンコーダ、学習可能なスパースコードブック量子化器、物理インフォームドデコーダを備えたCSGオートエンコーダ(CSG-AE)を開発した。 CSG-AEは合成データのCAPS推定精度とクラスタリング品質に優れる。
  論文  参考訳（メタデータ） (2025-07-21T08:43:34Z)
• Scalable Context-Preserving Model-Aware Deep Clustering for Hyperspectral Images [51.95768218975529]
  ハイパースペクトル画像(HSI)の教師なし解析にサブスペースクラスタリングが広く採用されている。 近年のモデル対応深層空間クラスタリング手法では、O(n2)の複雑性を持つ自己表現行列の計算とスペクトルクラスタリングを含む2段階のフレームワークを用いることが多い。 本稿では,HSIクラスタリングを効率的に行うために,局所構造と非局所構造を協調的にキャプチャする,ベース表現に基づく拡張性のあるコンテキスト保存深層クラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2025-06-12T16:43:09Z)
• Group Contextualization for Video Recognition [80.3842253625557]
  グループ文脈化(GC)は、2D-CNN(TSN)とTSMの性能を高める。 GCは4つの異なるコンテキストを並列に埋め込む。 グループコンテキスト化は、2D-CNN(例えばTSN)のパフォーマンスを最先端のビデオネットワークに匹敵するレベルまで向上させる。
  論文  参考訳（メタデータ） (2022-03-18T01:49:40Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
  チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。 私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-01-19T03:08:03Z)
• Hyperspectral Image Denoising via Global Spatial-Spectral Total Variation Regularized Nonconvex Local Low-Rank Tensor Approximation [1.3406858660972554]
  騒音汚染は頻繁に発生し、変換ペナルティはスムーズな局所ドメインを示す。 本稿では,この側面を復元するための新しい近似全変動(SSTV)を提案する。 結果は、HSIの全体的な構造情報を高めることができる。
  論文  参考訳（メタデータ） (2020-05-30T10:03:39Z)
• Hyperspectral Image Restoration via Global Total Variation Regularized Local nonconvex Low-Rank matrix Approximation [1.3406858660972554]
  ハイパスペクトル画像(HSI)における混合ノイズを取り除くために、複数の帯域幅全変動(TV)正規化低ランク(LR)モデルが提案されている。
  論文  参考訳（メタデータ） (2020-05-08T16:42:18Z)

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。