SpecAware：面向多传感器遥感图图谱的光谱内容感知基础模型
计算机视觉与模式识别
2026-02-25 v2
摘要
波段成像（HSI）是细粒度土地利用和土地覆盖（LULC）映射的关键技术。然而，HSI数据固有的异质性，特别是跨传感器波段数量的差异，长期以来限制了通过迁移学习或联合训练实现模型泛化。现有的HSI基础模型在不同下游任务上表现有前景，但通常未充分利用传感器元属性和图像语义特征的关键指导作用，导致对跨传感器联合学习的适应性有限。为此，我们提出SpecAware，这是一种新颖的用于统一HSI图图谱多传感器学习的光谱内容感知基础模型。为支持本工作，我们构建了Hyper-400K数据集，这是一个来自多种空中AVIRIS传感器的超大规模预训练数据集，包含超过40万个高质量图块，覆盖两种数据处理水平（L1和L2）。SpecAware的核心是受超参数网络驱动的统一图像嵌入过程。首先，我们设计了元内容感知模块，用于生成针对每个HSI样本的独特条件输入，通过融合传感器元属性和其自身图像内容，针对每个波段进行定制化。其次，我们设计了HyperEmbedding模块，其中，样本条件化的超参数网络动态生成一对矩阵因子，用于通道级编码。该过程实现了两步矩阵分解，包括自适应空间模式提取和潜在语义特征投影，产生统一的波段记号表示。因此，SpecAware能够捕捉并解释跨不同场景和传感器的空间-光谱特征，实现在统一的多传感器联合预训练框架内对可变波段数量的自适应处理。
引用
@article{arxiv.2510.27219,
title = {SpecAware: A Spectral-Content Aware Foundation Model for Unifying Multi-Sensor Learning in Hyperspectral Remote Sensing Mapping},
author = {Renjie Ji and Xue Wang and Chao Niu and Wen Zhang and Yong Mei and Kun Tan},
journal= {arXiv preprint arXiv:2510.27219},
year = {2026}
}