用于温室气体估计的高光谱视觉Transformer
计算机视觉与模式识别
2025-04-24 v1
摘要
高光谱成像提供详细的光谱信息，具有显著的潜力用于温室气体（GHG）监测。然而，其应用受限于空间覆盖范围有限和复访频率低的限制。相比之下，多光谱成像提供更广的空间和时间覆盖，但往往缺乏可增强GHG检测的光谱细节。为解决这些挑战，本研究提出一种光谱Transformer模型，用于从多光谱输入合成高光谱数据。该模型通过带条件掩码自编码器进行预训练，然后在时空对齐的多光谱-高光谱图像对上进行微调。生成的合成高光谱数据保留了多光谱图像的空间和时间优势，并相对于仅使用多光谱数据提高了GHG预测准确度。该方法有效地弥合了光谱分辨率与覆盖范围之间的权衡，凸显了其通过自监督深度学习结合高光谱和多光谱系统优势，以推进大气监测的潜力。
引用
@article{arxiv.2504.16851,
title = {Hyperspectral Vision Transformers for Greenhouse Gas Estimations from Space},
author = {Ruben Gonzalez Avilés and Linus Scheibenreif and Nassim Ait Ali Braham and Benedikt Blumenstiel and Thomas Brunschwiler and Ranjini Guruprasad and Damian Borth and Conrad Albrecht and Paolo Fraccaro and Devyani Lambhate and Johannes Jakubik},
journal= {arXiv preprint arXiv:2504.16851},
year = {2025}
}