基于扩散模型与组自编码器超分辨率网络的高光谱图像增强
计算机视觉与模式识别
2024-04-09 v1 人工智能
摘要
现有高光谱图像（HSI）超分辨率（SR）方法难以有效捕捉复杂的谱 - 空关系及低频细节，而扩散模型作为一种极具前景的生成模型，以其在建模复杂关系和学习高低层视觉特征方面的卓越表现著称。然而，将扩散模型直接应用于 HSI SR 面临模型收敛困难和推理时间过长等挑战。本文提出了一种新颖的组自编码器（Group-Autoencoder, GAE）框架，其与扩散模型协同工作，构建了一种高效的 HSI SR 模型（DMGASR）。我们提出的 GAE 框架将高维 HSI 数据编码至扩散模型工作的低维潜在空间，从而在保持波段相关性的同时，减轻了扩散模型的训练难度并显著减少了推理时间。在自然和遥感高光谱数据集上的实验结果表明，所提方法在视觉效果和定量指标上均优于其他最先进（state-of-the-art）方法。
引用
@article{arxiv.2402.17285,
title = {Enhancing Hyperspectral Images via Diffusion Model and Group-Autoencoder Super-resolution Network},
author = {Zhaoyang Wang and Dongyang Li and Mingyang Zhang and Hao Luo and Maoguo Gong},
journal= {arXiv preprint arXiv:2402.17285},
year = {2024}
}
备注
Accepted by AAAI2024