論文の概要: Spectral-spatial vision test-time training for hyperspectral image classification
- arxiv url: http://arxiv.org/abs/2611.02364v1
- Date: Mon, 02 Nov 2026 01:21:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 04:49:14.802769
- Title: Spectral-spatial vision test-time training for hyperspectral image classification
- Title(参考訳): ハイパースペクトル画像分類のためのスペクトル空間視力試験時間トレーニング
- Abstract要約: 視覚テストタイムトレーニング (ViT3) アーキテクチャのスペクトル空間適応である ViTTT-HSI を提案する。
スペクトル認識埋め込みステムは、スペクトル畳み込みを用いて順序帯域情報を抽出し、空間トークンを形成する。
インド・パインズ、パヴィア大学、サリナス、ヒューストン2013の10種類のランダムシードとデータセット固有のトレーニング割合を1%または5%と評価した。
- 参考スコア(独自算出の注目度): 8.562387977605606
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral image (HSI) classification requires the representation of contiguous spectral signatures and spatial context under limited labeled supervision. Vision test-time training (TTT) offers an alternative to fixed-weight token mixing by performing self-supervised inner-model updates on the input sequence, but its application to center-pixel HSI classification remains insufficiently characterized. We present ViTTT-HSI, a spectral-spatial adaptation of the vision test-time training (ViT3) architecture. A spectral-aware embedding stem extracts ordered-band information using spectral convolution and forms spatial tokens without reducing their spatial resolution. Two ViT3-based TTT encoder blocks perform patch-conditioned token mixing, followed by the fusion of center-pixel and neighborhood-average features for classification. We evaluate the framework on Indian Pines, Pavia University, Salinas, and Houston 2013 using ten random seeds and dataset-specific training fractions of 1% or 5%. The mean overall accuracies are 97.6390%, 98.8753%, 99.3292%, and 98.4283%, respectively. Ablations reveal a substantial contribution from the TTT inner update on Indian Pines and a smaller positive contribution on Pavia University, while the relative benefits of the spectral stem and feature fusion depend on the dataset. The results demonstrate the feasibility of using patch-conditioned vision TTT for spectral--spatial HSI classification and highlight the role of the inner adaptation mechanism.
- Abstract(参考訳): ハイパースペクトル画像(HSI)分類は、限定的なラベル付き監督の下で、連続したスペクトルシグネチャと空間コンテキストの表現を必要とする。
視覚テストタイムトレーニング(TTT)は、入力シーケンス上で自己教師付き内部モデル更新を実行することで、固定量トークンの混合に代わる手段を提供するが、中心画素HSI分類への応用は依然として不十分である。
視覚テストタイムトレーニング (ViT3) アーキテクチャのスペクトル空間適応である ViTTT-HSI を提案する。
スペクトル認識埋め込みステムは、スペクトル畳み込みを用いて順序帯域情報を抽出し、空間分解能を低下させることなく空間トークンを形成する。
2つのViT3ベースのTTTエンコーダブロックはパッチ条件のトークンミキシングを行い、続いて中心画素と近傍平均の機能を融合して分類を行う。
インド・パインズ、パヴィア大学、サリナス、ヒューストン2013の10種類のランダムシードとデータセット固有のトレーニング割合を1%または5%と評価した。
平均的な精度は97.6390%、98.8753%、99.3292%、98.4283%である。
アブレーションは、TTTの内部更新とパヴィア大学への肯定的な貢献からかなりの貢献を示し、スペクトルステムと特徴融合の相対的な利点はデータセットに依存している。
その結果, スペクトル空間的HSI分類におけるパッチコンディショニング・ビジョンTTTの有用性が示され, 内部適応機構の役割が強調された。
関連論文リスト
- Label Semantics for Robust Hyperspectral Image Classification [6.578456055730258]
ハイパースペクトルイメージング(HSI)分類は、農業、環境モニタリング、医学、材料科学などの様々な分野において重要なツールである。
高品質なトレーニングサンプルの不足とスペクトルデータの高次元性のため、HSI分類モデルは過度に適合する傾向にあり、精度と計算複雑性のバランスをとることの難しさに直面することが多い。
本研究では,HSI分類モデルのトレーニングを補完するために,文脈的,クラス固有のテキスト記述を用いた汎用セマンティックスペクトル・空間融合ネットワーク(S3FN)を提案する。
論文 参考訳(メタデータ) (2025-10-08T21:13:11Z) - Hyperspectral Mamba for Hyperspectral Object Tracking [56.365517163296936]
Mamba (HyMamba) を用いた新しいハイパースペクトル物体追跡ネットワークを提案する。
状態空間モジュール(SSM)によるスペクトル、クロスディープス、時間モデリングを統一する。
HyMambaは、7つのベンチマークデータセットで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2025-09-10T03:47:43Z) - SDTN and TRN: Adaptive Spectral-Spatial Feature Extraction for Hyperspectral Image Classification [1.2871580250533408]
ハイパースペクトル画像分類は、精密農業において重要な役割を担い、作物の健康モニタリング、病気の検出、土壌分析に関する正確な洞察を提供する。
従来の手法は高次元データ、スペクトル空間の冗長性、ラベル付きサンプルの不足に悩まされ、しばしば準最適性能に繋がる。
これらの課題に対処するために,テンソル分解と正規化機構を組み合わせた自己適応正規化ネットワーク(SDTN)を提案し,テンソルランクを動的に調整する。
このアプローチは、高い分類精度を維持するだけでなく、計算の複雑さを大幅に減らし、リソース制約のある環境でのリアルタイムデプロイメントに非常に適している。
論文 参考訳(メタデータ) (2025-07-13T04:53:33Z) - Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
CNNと人間の視覚系における周波数帯域感度の差について検討する。
本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。
我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
論文 参考訳(メタデータ) (2025-02-06T07:24:34Z) - 3D-Convolution Guided Spectral-Spatial Transformer for Hyperspectral Image Classification [12.729885732069926]
視覚変換器(ViT)は畳み込みニューラルネットワーク(CNN)よりも有望な分類性能を示した
ViTはシーケンシャルなデータを出力するが、CNNのようなスペクトル空間情報を抽出することはできない。
HSI分類のための3次元畳み込み誘導スペクトル空間変換器(3D-ConvSST)を提案する。
論文 参考訳(メタデータ) (2024-04-20T03:39:54Z) - DiffSpectralNet : Unveiling the Potential of Diffusion Models for
Hyperspectral Image Classification [6.521187080027966]
我々は拡散と変圧器技術を組み合わせたDiffSpectralNetと呼ばれる新しいネットワークを提案する。
まず,拡散モデルに基づく教師なし学習フレームワークを用いて,高レベル・低レベルのスペクトル空間的特徴を抽出する。
この拡散法はスペクトル空間の特徴を多様かつ有意義に抽出し,HSI分類の改善につながる。
論文 参考訳(メタデータ) (2023-10-29T15:26:37Z) - DCN-T: Dual Context Network with Transformer for Hyperspectral Image
Classification [109.09061514799413]
複雑な撮像条件による空間変動のため,HSI分類は困難である。
本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。
提案手法は,HSI分類における最先端手法よりも優れている。
論文 参考訳(メタデータ) (2023-04-19T18:32:52Z) - SpectralDiff: A Generative Framework for Hyperspectral Image
Classification with Diffusion Models [18.391049303136715]
拡散モデルを用いたHSI分類のための生成フレームワーク(SpectralDiff)を提案する。
SpectralDiffは、高次元および高冗長なデータの分布情報を効果的にマイニングする。
3つの公開HSIデータセットの実験により、提案手法は最先端の手法よりも優れた性能が得られることを示した。
論文 参考訳(メタデータ) (2023-04-12T16:32:34Z) - Low-complexity deep learning frameworks for acoustic scene
classification [64.22762153453175]
音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。
提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。
DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
論文 参考訳(メタデータ) (2022-06-13T11:41:39Z) - SpectralFormer: Rethinking Hyperspectral Image Classification with
Transformers [91.09957836250209]
ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。
CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。
我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
論文 参考訳(メタデータ) (2021-07-07T02:59:21Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳(メタデータ) (2021-03-02T16:45:08Z)
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。