KAO：基于扩散模型的卫星图像核自适应优化
计算机视觉与模式识别
2025-11-05 v1
摘要
卫星图像图像学是遥感领域的关键任务,准确恢复缺失或遮蔽区域对于稳健的图像分析至关重要。本文提出KAO,一种新型框架,利用核自适应优化于扩散模型处理卫星图像。KAO专为解决高分辨率（VHR）卫星数据集（如 DeepGlobe 和马萨诸塞州道路数据集）所设计。不同于依赖需大量再训练的预条件模型或计算开销巨大的后条件模型,KAO引入潜在空间条件化方法,优化紧凑的潜在空间以实现高效且精确的图像学。此外,我们将显式传播纳入扩散过程,促进前向-后向融合,提高方法的稳定性和精度。实验结果表明,KAO为VHR卫星图像恢复树立了新的基准,提供了一个在预条件模型的效率与后条件模型的灵活性之间取得平衡的可扩展、高性能解决方案。
引用
@article{arxiv.2511.02462,
title = {KAO: Kernel-Adaptive Optimization in Diffusion for Satellite Image},
author = {Teerapong Panboonyuen},
journal= {arXiv preprint arXiv:2511.02462},
year = {2025}
}
备注
18 pages