핵심 개념
초분광 영상의 공간-스펙트럼 의존성을 효과적으로 포착하는 것이 중요하지만, 기존 방법들은 계산 효율성의 한계를 겪고 있다. 최근 등장한 선택적 상태 공간 모델(Mamba)은 자연어 처리 시퀀스에서 거의 선형 복잡도로 처리할 수 있어, 이를 활용하여 장 스펙트럼 시퀀스를 다루는 초분광 영상 잡음 제거에 적용할 수 있다.
초록
이 논문에서는 초분광 영상 잡음 제거를 위한 효과적인 모델인 HSIDMamba(HSDM)를 제안한다. HSDM은 선택적 상태 공간 모델 프레임워크를 기반으로 하며, 초분광 영상의 장 시퀀스 처리에 적합하다. HSDM은 합성곱과 어텐션 메커니즘을 효과적으로 통합하여 공간-스펙트럼 의존성을 포착할 수 있으며, 선형 복잡도를 통해 뛰어난 계산 효율성을 달성한다. 또한 HSDM은 초분광 영상의 특성을 고려한 새로운 양방향 연속 스캐닝 메커니즘을 도입하여 공간-스펙트럼 정보를 효과적으로 처리한다. 다양한 데이터셋에 대한 실험 결과, HSDM은 기존 방법들을 능가하는 성능과 효율성을 보여준다.
통계
잡음이 없는 초분광 영상의 PSNR은 약 47dB이다.
가우시안 잡음 수준이 70일 때 PSNR은 약 39dB이다.
혼합 잡음 환경에서 PSNR은 약 41dB이다.
인용구
"초분광 영상의 공간-스펙트럼 의존성을 효과적으로 포착하는 것이 중요하지만, 기존 방법들은 계산 효율성의 한계를 겪고 있다."
"최근 등장한 선택적 상태 공간 모델(Mamba)은 자연어 처리 시퀀스에서 거의 선형 복잡도로 처리할 수 있어, 이를 활용하여 장 스펙트럼 시퀀스를 다루는 초분광 영상 잡음 제거에 적용할 수 있다."