面向卫星图像超分辨率的自监督不确定性估计
计算机视觉与模式识别
2026-03-17 v1 机器学习
摘要
卫星图像超分辨率（Super-resolution，SR）因缺乏配对的低/高分辨率数据而具有挑战性。近期的自监督SR方法通过利用突发观测的时序冗余性克服了这一限制，但缺乏对重构不确定性的量化机制。本文引入一种新型自监督损失，使其能够在无需接触高分辨率ground-truth数据的情况下估计图像超分辨率的不确定性。我们采用决策论视角，证明最小化相应的贝叶斯风险可得后验均值与方差作为最优估计器。我们在合成SkySat L1B数据集上进行验证，实验表明其产生的校准不确定性估计可与监督方法相当。本工作将自监督恢复与不确定性量化相结合，构建实用的不确定性感知图像重建框架。
引用
@article{arxiv.2603.14074,
title = {Self-Supervised Uncertainty Estimation For Super-Resolution of Satellite Images},
author = {Zhe Zheng and Valéry Dewil and Pablo Arias},
journal= {arXiv preprint arXiv:2603.14074},
year = {2026}
}
备注
Conference submission