面向高通道高光谱相机应用的 HYbrid 知识蒸馏与光谱重建算法 HYDRA
计算机视觉与模式识别
2025-10-21 v1
摘要
高光谱图像 (HSI) 有望支持计算机视觉领域的多项新应用。近期研究探索了通用光谱重建 (Spectral Reconstruction, SR) 的可行性，即在未见情景下从自然三通道彩色图像中恢复 HSI。然而，之前的多尺度注意力 (Multi-Scale Attention, MSA) 工作仅在稀疏光谱情景下展现出充分的可泛化结果，而现代 HSI 传感器包含数百个通道。本文提出一种新颖的光谱重建方法，基于我们的 HYbrid 知识 Distillation 与光谱 Reconstruction Architecture (HYDRA)。我们采用包含潜在高光谱图像数据的 Teacher 模型，以及学习从自然图像映射至 Teacher 编码域的 Student 模型，并引入新颖的训练方法，从而实现高质量的光谱重建。该方法解决了先前 SR 模型的关键局限，在所有指标上均实现最佳性能，其中准确率提升 18%，在各种通道深度下推理速度也优于当前 SOTA 模型。
引用
@article{arxiv.2510.16664,
title = {HYDRA: HYbrid knowledge Distillation and spectral Reconstruction Algorithm for high channel hyperspectral camera applications},
author = {Christopher Thirgood and Oscar Mendez and Erin Ling and Jon Storey and Simon Hadfield},
journal= {arXiv preprint arXiv:2510.16664},
year = {2025}
}