NukesFormers: Unpaired Hyperspectral Image Generation with Non-Uniform Domain Alignment
作者: Jiaojiao Li, Shiyao Duan, Haitao XU, Rui Song
发布时间: 2025-03-11
来源: arxiv
研究方向: 超光谱图像生成与处理
主要内容
该研究提出了一种名为NukesFormers的新型无监督超光谱图像生成框架，旨在解决当前无监督超光谱图像生成（UnHIG）任务中的挑战，如跨域特征挖掘、退化特征提取等。
主要贡献
1. 提出了一种新的对比先验框架，将生成过程分解为空域挖掘和范围空间对齐，实现了高频补偿和有效的跨域交互。
2. 为了自适应地提取空域中隐藏的高频成分，提出了非均匀KANs（NukesFormers），它生成灵活的适应性理性基，精确地捕捉脆弱但关键的特性带。
3. 进一步提出了双分支对比结构，独立校准几何和光谱分布，以促进范围空间中的有效跨域交互，利用来自不同场景的HSI和RGB或MSI建立可靠的约束。
研究方法
1. 范围-空域分解（RND）方法学
2. 非均匀Kolmogorov-Arnold网络（NukesFormers）
3. 双维度对比先验模块（DCPM）
4. Gabor核多头自注意力（G-MSA）
5. 元转换器（MetaFormer）架构
实验结果
在NTIRE 2020 Clean Track、NTIRE 2022和CAVE数据集上进行的实验表明，NukesFormers在无监督超光谱图像生成任务中取得了最先进的性能。
未来工作
未来研究可以探索更有效的跨域特征挖掘方法，以及更鲁棒的空域补偿策略，以提高无监督超光谱图像生成的性能。