穿透云层：基于Prithvi基础模型的云间隙插值
计算机视觉与模式识别
2024-05-01 v1 图像与视频处理
摘要
填充多光谱卫星图像中的云像素对于准确的数据分析和下游应用至关重要，尤其是那些需要时间序列数据的任务。为此，我们比较了基于Vision Transformer (ViT) 的基础模型与基线Conditional Generative Adversarial Network (CGAN) 模型在多光谱卫星图像时间序列缺失值插值中的性能。我们使用真实世界的云掩码随机屏蔽卫星图像的时间序列，并训练每个模型以重建缺失的像素。ViT模型基于预训练模型进行微调，而CGAN是从头训练的。我们使用结构相似性指数和平均绝对误差等定量评估指标以及定性的视觉分析，评估插值准确性和上下文保持情况。
引用
@article{arxiv.2404.19609,
title = {Seeing Through the Clouds: Cloud Gap Imputation with Prithvi Foundation Model},
author = {Denys Godwin and Hanxi Li and Michael Cecil and Hamed Alemohammad},
journal= {arXiv preprint arXiv:2404.19609},
year = {2024}
}