卫星图像超分辨率的 Location Embedding 是否能提升效果？
计算机视觉与模式识别
2025-01-31 v2
摘要
公开可用的卫星图像（如 Sentinel-2）通常缺乏足够的空间分辨率，以致难以准确分析遥感任务，包括城市规划和灾害响应。当前的超分辨率技术通常在有限数据集上训练，导致在不同地理区域之间泛化能力较差。本文提出一种新型超分辨率框架，通过引入地理上下文的 location embedding 来增强泛化能力。该框架采用生成对抗网络（GAN）并引入扩散模型技术以提升图像质量。此外，我们通过整合相邻图像的信息来解决瓷砖伪影，实现无缝的高分辨率输出。我们在建筑物分割任务上展示了该方法的有效性，显示相较于当前最先进的方法具有显著的改进，并凸显其在实际应用中的潜力。
引用
@article{arxiv.2501.15847,
title = {Can Location Embeddings Enhance Super-Resolution of Satellite Imagery?},
author = {Daniel Panangian and Ksenia Bittner},
journal= {arXiv preprint arXiv:2501.15847},
year = {2025}
}
备注
Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)