Główne pojęcia
本論文では、リモートセンシング画像のパンシャープニングタスクに特化した新しい手法であるContent-Adaptive Non-Local Convolution (CANConv)を提案する。CANConvは空間的な適応性と非局所的な自己類似性を同時に活用することで、優れたパンシャープニング性能を実現する。
Streszczenie
本論文では、リモートセンシング画像のパンシャープニングタスクに特化した新しい手法であるContent-Adaptive Non-Local Convolution (CANConv)を提案している。
CANConvは以下の2つのサブモジュールから構成される:
- Similarity Relationship Partition (SRP)
- 入力特徴マップをクラスタリングし、類似性の高い領域を特定する
- 各クラスタの特徴ベクトルを計算し、クラスタ情報を表す
- Partition-Wise Adaptive Convolution (PWAC)
- SRPで得られたクラスタ情報に基づいて、各クラスタに適応的な畳み込みカーネルを生成する
- 同一クラスタ内の全ピクセルに対して、生成したカーネルを適用する
さらに、CANConvモジュールを用いてCANNetネットワークを構築し、マルチスケールの自己類似性情報を活用できるようにしている。
実験の結果、CANNetはさまざまなパンシャープニング手法と比較して優れた性能を示すことが確認された。特に、非局所的な自己類似性情報を効果的に活用できることが、高画質な出力を生成する要因となっている。
Statystyki
リモートセンシング画像は固有の特徴を持ち、海洋、森林、建物、道路などの比較的安定した要素から構成されている。
これらの領域では類似したテクスチャが多数繰り返し現れ、離れた場所でも同様のテクスチャが見られる。
Cytaty
"リモートセンシング画像は固有の特徴を持ち、海洋、森林、建物、道路などの比較的安定した要素から構成されている。"
"これらの領域では類似したテクスチャが多数繰り返し現れ、離れた場所でも同様のテクスチャが見られる。"