- 博客(4)
- 收藏
- 关注
原创 MTLSC-Diff: Multitask learning with diffusion models for hyperspectral image super-resolution and cl
在连续迭代中,M-GSCS联合优化HSI SR和分类任务,以实现两者之间的相互指导,逐步提高图像的重建质量,提高类标签的准确性。具体而言,在时间步长T中,M-GSCS对在先前时间步长中获得的多尺度图像进行细化,并使用预测的高空间分辨率图像进行分类。在C-GSR的指导下,多尺度分类结果Y迫使目标尺度图像Xn t-1学习新知识,以进行下一步的图像细化。它可以为目标尺度图像XN T-1的高空间细节恢复提供一个可指导的方向,从而迫使目标尺度图像XN T-1在类引导的超分辨率动态细化策略下学习新的知识进行细化。
2024-10-07 10:12:41 607
原创 Enhancing Hyperspectral Images via Diffusion Model and Group-Autoencoder Super-resolution Network
首先,它缓解了在面对高光谱维度HSI数据时与扩散模型的训练和收敛相关的挑战,“一对多”降维有效地减少了编码过程中的信息损失,从而丰富了特征信息(见表3)。其次,由于自动编码器的协作工作,我们的模型有效地将推理过程缩小到几个关键的中间隐藏变量,从而大大缩短了推理时间(见表5,图9),使我们的方法在HSI SR任务的实际应用中更高效、更可扩展。我们提出了一种新的基于扩散的SR模型,该模型有助于隐式捕获高水平和低水平特征,并提高了复杂光谱空间关系的学习能力。设计了一个较大的解码器模型,以更好地捕获特征。
2024-10-07 10:07:06 372
原创 Spectral–Spatial–Language Fusion Network for Hyperspectral, LiDAR, and Text Data Classification
论文阅读笔记
2024-09-24 09:34:08 649
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人