SMILE：一种面向高光谱混合的超分辨率引导多任务学习方法
计算机视觉与模式识别
2025-09-16 v1
摘要
高光谱混合的性能可能受到低空间分辨率的制约，这可以通过以多任务学习方式进行超分辨率来增强。然而，direct 将超分辨率和混合集成可能面临两个挑战：任务亲和性未被验证，混合的收敛性无法得到保证。为此，本文提供了理论分析，提出一种面向高光谱混合的超分辨率引导多任务学习方法（SMILE）。提供的理论分析验证了多任务学习方式的可行性，并通过证明超分辨率的正向引导来验证任务亲和性。该提出框架通过学习共享和特定表示，从超分辨率中提取正向信息。此外，为保证收敛，本文提供了可达性定理，通过证明混合的最优解来证明。SMILE 的主要贡献包括提供渐进的理论支持，以及设计一个在超分辨率引导下进行混合的新框架。我们的实验在合成数据和真实数据上都证实了本工作的有用性。
引用
@article{arxiv.2509.11093,
title = {SMILE: A Super-resolution Guided Multi-task Learning Method for Hyperspectral Unmixing},
author = {Ruiying Li and Bin Pan and Qiaoying Qu and Xia Xu and Zhenwei Shi},
journal= {arXiv preprint arXiv:2509.11093},
year = {2025}
}
备注
12 pages, 7 figures