R2H-Diff：用于RGB到高光谱重建的引导式光谱扩散模型
计算机视觉与模式识别
2026-05-08 v1
摘要
RGB到高光谱图像重建是一个高度病态的逆问题，因为多个可能的光谱分布可能对应于同一个RGB观测。现有的基于回归的方法通常学习一个确定性映射，这限制了它们对重建不确定性建模的能力，并常常导致过度平滑的光谱响应。尽管扩散模型提供了强大的分布建模能力，但由于高光谱维度高、波段间相关性强以及对光谱保真度的严格要求，它们直接应用于高光谱重建仍然具有挑战性。为此，我们提出了R2H-Diff，一个专为RGB到HSI重建量身定制的高效扩散框架。具体来说，R2H-Diff将光谱恢复表述为一个条件迭代细化过程，实现在RGB引导下的渐进式重建。我们提出了一个引导式光谱细化模块用于RGB条件特征融合，以及一个高光谱自适应转置注意力模块用于高效的空间-光谱依赖关系建模。此外，采用了一个无归一化的去噪主干以保持光谱幅度一致性，同时一个任务自适应的线性噪声调度使得仅需五个去噪步骤即可实现高质量重建。在NTIRE2022、CAVE和Harvard上的大量实验表明，R2H-Diff在重建质量和计算效率之间取得了良好的平衡。值得注意的是，在NTIRE2022上，R2H-Diff以0.58M参数和12.25G FLOPs的子百万参数模型获得了35.37 dB的PSNR，在评估方法中实现了最低的模型复杂度，同时保持了强大的重建保真度。
引用
@article{arxiv.2605.05688,
title = {R2H-Diff: Guided Spectral Diffusion Model for RGB-to-Hyperspectral Reconstruction},
author = {Songyu Ding and Ronggiang Zhao and Mingchun Sun and Jie Liu},
journal= {arXiv preprint arXiv:2605.05688},
year = {2026}
}