SpectralAdapt：基于谱先验的半监督域适应人类中心超光谱图像重建
计算机视觉与模式识别
2025-11-18 v1 人工智能
摘要
超光谱成像（HSI）因其丰富的光谱信息而具有巨大的潜力。然而，获取 HSI 数据成本高昂且技术要求高。超光谱图像重建通过从可获得的模态（如 RGB）恢复 HSI 数据，提供了实用的解决方案。尽管通用领域数据集丰富，但人类 HSI 数据稀缺，限制了医疗应用的进展。为此，我们提出SpectralAdapt，一个半监督域适应（SSDA）框架，桥接通用数据集与人类中心 HSI 数据集之间的域间差异。为充分利用有限的标签和丰富的无标签数据，我们引入谱密度遮蔽（SDM），根据光谱复杂度自适应遮蔽 RGB 通道，鼓励从互补线索中恢复信息丰富的区域。此外，我们引入谱端成员表示对齐（SERA），从有价值的标记像素中推导出可解释的端成员，并将其作为域不变的锚点来指导无标签预测，动力学更新确保适应性和稳定性。这些组件无缝集成到SpectralAdapt中，构成一个有效缓解域移、光谱退化和数据稀缺的光谱先验驱动框架。实验在基准数据集上表明，SpectralAdapt 在光谱保真度、跨域泛化和训练稳定性方面均实现了持续的改进，凸显了 SSDA 作为医疗超光谱成像高效解决方案的前景。
引用
@article{arxiv.2511.13020,
title = {SpectralAdapt: Semi-Supervised Domain Adaptation with Spectral Priors for Human-Centered Hyperspectral Image Reconstruction},
author = {Yufei Wen and Yuting Zhang and Jingdan Kang and Hao Ren and Weibin Cheng and Jintai Chen and Kaishun Wu},
journal= {arXiv preprint arXiv:2511.13020},
year = {2025}
}