基于物理感知扩散先验和光学编码测量的 HSI 重建中的不确定性量化
计算机视觉与模式识别
2025-11-25 v1
摘要
从压缩测量重建 hyperspectral 图像是高度欠定问题。当前数据驱动方法因缺乏现有 hyperspectral 图像数据集中的光谱多样性而受到幻觉影响，尤其是在评估其对色觉现象的影响时。本文将 hyperspectral 图像 (HSI) 重建表述为贝叶斯推断问题，提出一种框架 HSDiff，该框架利用无条件训练的像素级扩散先验和后验扩散采样，以生成与各种 hyperspectral 图像形成模型的测量一致的多样化 HSI 样本。我们提出了一种增强的色觉增强技术，利用基于区域的色觉黑和分区-并集光谱上采样，以扩充使用物理有效色觉光谱的训练，强化先验的多样性并提高不确定性校准。我们利用 HSDiff 探讨了各种前向模型如何塑造后验分布，证明了使用有效光谱编码可提供校准的、有信息的不确定性，而非编码模型则不行。通过贝叶斯框架的视角，HSDiff 提供了一种完整、高性能的面向不确定性的 HSI 重建方法。我们的结果也再次强调了有效光谱编码在快照 hyperspectral 成像中的重要性。
引用
@article{arxiv.2511.18473,
title = {Uncertainty Quantification in HSI Reconstruction using Physics-Aware Diffusion Priors and Optics-Encoded Measurements},
author = {Juan Romero and Qiang Fu and Matteo Ravasi and Wolfgang Heidrich},
journal= {arXiv preprint arXiv:2511.18473},
year = {2025}
}