PAKAN：用于光谱图像拼接的像素自适应Kolmogorov-Arnold网络模块
计算机视觉与模式识别
2026-03-17 v1
摘要
光谱图像拼接旨在将单色像素图像中高分辨率的空间细节与多光谱图像中丰富的光谱信息进行融合。现有的深度神经网络通常依赖于静态激活函数，这限制了其在动态建模以获得最佳空间-光谱融合所需的复杂非线性映射方面的能力。虽然最近引入的Kolmogorov-Arnold网络（KAN）利用可学习的激活函数，但传统KAN在推理期间缺乏动态适应性。为此，我们提出了像素自适应Kolmogorov-Arnold网络框架。基于KAN，我们设计了两种自适应变体：一种是沿空间维度生成样条求和权重的2D自适应KAN，另一种是沿光谱通道生成样条求和权重的1D自适应KAN。将这两个组件组装成用于特征融合的PAKAN 2to1和用于特征细化的PAKAN 1to1。大量实验表明，我们提议的模块显著增强了网络性能，证明了像素自适应激活在拼接任务中的有效性和优越性。
引用
@article{arxiv.2603.15109,
title = {PAKAN: Pixel Adaptive Kolmogorov-Arnold Network Modules for Pansharpening},
author = {Haoyu Zhang and Haojing Chen and Zhen Zhong and Liangjian Deng},
journal= {arXiv preprint arXiv:2603.15109},
year = {2026}
}
备注
16 pages,5 figures,4 tables