PhyDAE：面向全向遥感图像恢复的物理引导性损害自适应专家
计算机视觉与模式识别
2025-10-13 v1
摘要
遥感图像在获取过程中不可避免地受到大气干扰、传感器限制和成像条件等多种损害因素的影响。这些复杂且异构的损害对图像质量和下游解释任务构成严峻挑战。针对现有全能恢复方法过度依赖隐式特征表示且缺乏对损害物理的显式建模的局限，本文提出了物理引导性损害自适应专家（PhyDAE）。该方法采用两级级联体系结构，将损害信息从隐式特征转换为显式决策信号，从而实现对多种异构损害（包括雾霾、噪声、模糊和低光条件）的精确识别和差异化处理。该模型包含渐进的损害挖掘和利用机制，其中 Residual Manifold Projector（RMP）和 Frequency-Aware Degradation Decomposer（FADD）综合从流形几何和频率视角分析损害特征。引入物理感知专家模块和温度控制稀疏激活策略，以增强计算效率的同时确保成像物理一致性。对三个基准数据集（MD-RSID、MD-RRSHID 和 MDRS-Landsat）进行大规模实验，表明 PhyDAE 在所有四项恢复任务中均实现卓越性能，综合超越最先进的方法。值得注意的是，PhyDAE 在保持卓越恢复质量的同时，显著降低了参数数量和计算复杂度，相较于主流方法实现了显著的效率提升，实现了性能与效率之间的最佳平衡。代码已公开 https://github.com/HIT-SIRS/PhyDAE。
引用
@article{arxiv.2510.08653,
title = {PhyDAE: Physics-Guided Degradation-Adaptive Experts for All-in-One Remote Sensing Image Restoration},
author = {Zhe Dong and Yuzhe Sun and Haochen Jiang and Tianzhu Liu and Yanfeng Gu},
journal= {arXiv preprint arXiv:2510.08653},
year = {2025}
}