用于卫星图像超分辨率的元数据、小波和时间感知扩散模型
计算机视觉与模式识别
2026-05-06 v2 机器学习
摘要
高分辨率卫星图像的获取常常受到卫星传感器空间和时间限制以及频繁观测高成本的制约。这些挑战阻碍了需要细粒度、高分辨率数据的应用，如环境监测、灾害响应和农业管理。在本文中，我们提出了MWT-Diff，一个创新的卫星图像超分辨率（SR）框架，它结合了潜在扩散模型和小波变换来应对这些挑战。该框架的核心是一个新颖的元数据、小波和时间感知编码器（MWT-Encoder），它生成捕获元数据属性、多尺度频率信息和时间关系的嵌入。嵌入的特征表示引导层次化的扩散动力学，通过该过程，模型从低分辨率输入逐步重建高分辨率卫星图像。这个过程保留了关键的空間特征，包括纹理模式、边界不连续性和高頻譜分量，这些对于详细的遥感分析至关重要。在多个数据集上对MWT-Diff进行的比较分析表明，与近期方法相比，其在包括FID和LPIPS在内的标准感知质量指标上表现出优越的性能。代码可在 https://github.com/LuigiSigillo/MWT-Diff 获取。
引用
@article{arxiv.2506.23566,
title = {Metadata, Wavelet, and Time Aware Diffusion Models for Satellite Image Super Resolution},
author = {Luigi Sigillo and Renato Giamba and Danilo Comminiello},
journal= {arXiv preprint arXiv:2506.23566},
year = {2026}
}
备注
ICLR 2025 Workshop on Machine Learning for Remote Sensing (ML4RS)