面向多功能数字高程模型修复的高效地形随机微分方程
图像与视频处理
2024-11-26 v2 计算机视觉与模式识别
摘要
数字高程模型 (DEM) 在遥感和摄影测量领域至关重要，其细化与增强对多种应用至关重要。虽然已developed许多用于提升 DEM 的方法，但大多数方法仅针对特定任务。本文提出了一种统一的生成模型，用于多功能 DEM 修复，区别于传统仅针对单一任务的常规方法。我们修改均值回复型随机微分方程，通过条件化学习到的地形先验来细化 DEM。 proposed 的高效地形随机微分方程 (ET-SDE) 通过 SDE 过程建模 DEM 降解，并通过仿真逆过程进行恢复。利用具有轻量通道注意力的高效子模块，该改进后的 SDE 提升了 DEM 质量并简化了训练过程。实验表明，ET-SDE 在超分辨率、空洞填充、去噪及其组合方面，相较于最新方法实现了高度具竞争力的修复性能。除了修复能力外，ET-SDE 还显示出更快的推理速度和针对大尺寸 DEM 片块的广泛任务泛化能力。
引用
@article{arxiv.2407.01908,
title = {Efficient Terrain Stochastic Differential Efficient Terrain Stochastic Differential Equations for Multipurpose Digital Elevation Model Restoration},
author = {Tongtong Zhang and Zongcheng Zuo and Yuanxiang Li},
journal= {arXiv preprint arXiv:2407.01908},
year = {2024}
}