用于云去除和任意时刻重建的异步遥感时间序列融合
计算机视觉与模式识别
2026-05-28 v1
摘要
频繁的云层覆盖严重限制了Sentinel-2 (S2)光学时间序列在地球表面监测中的可用性。Sentinel-1 (S1) SAR提供了全天候的补充观测，但由于采集不规则且异步，实际的S1/S2融合仍然困难。许多现有方法假设时间对齐的输入（或需要外部最近日期匹配），并且通常仅恢复观测到的时间戳，限制了长间隙下的重建并阻止了按需合成。我们提出AGFlow（时间对齐生成流匹配），一种用于S1/S2云去除和时间序列重建的时空流匹配模型，具有三种能力：(1) 时间戳条件内部对齐，融合异步S1和有云S2观测，无需基于预处理的配对；(2) 时空、上下文感知去噪，联合建模空间结构与时间动态（而非独立的逐像素时间序列）；以及(3) 任意时刻查询，能够在监测窗口内的观测时间戳和用户指定时间戳生成无云S2帧。我们在RESTORE-DiT基准协议上使用定量指标、定性比较和组件消融进行评估。AGFlow显著改进了完全缺失帧的重建（MAE和RMSE相比RESTORE-DiT降低了16-19%），并在持续间隙下提供了可靠的重建，同时在云去除方面也取得了有竞争力的性能，并为下游任务（如密集植被监测）提供了灵活的时间查询。
关键词
引用
@article{arxiv.2605.27726,
title = {Asynchronous Remote Sensing Time-Series Fusion for Cloud Removal and Anytime Reconstruction},
author = {Forouzan Fallah and Chia Yu Hsu and Wenwen Li and Anna Liljedahl and Yezhou Yang},
journal= {arXiv preprint arXiv:2605.27726},
year = {2026}
}
备注
CVPR 2026 MORSE Workshop