効率的なパンシャープニングのためのEulerに着想を得たデカップリング・ニューラル演算子
arXiv cs.CV / 2026/4/15
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、パンシャープニングのためのEulerに着想を得たデカップリング・ニューラル演算子（EDNO）を提案し、画像フュージョンを、PANの空間的な詳細からLR-MSのスペクトル成分へと対応する連続的な周波数領域の汎関数写像として再定式化する。
- EDNOはEulerの公式を用いて特徴を極座標表現へと移し、明示的および暗黙的な相互作用経路を備えたEuler Feature Interaction Layer（EFIL）を導入する。
- 明示的成分では、線形重み付けの枠組みにより位相回転を模倣し、適応的な幾何学的アラインメントを可能にする。一方で暗黙的成分では、スペクトル分布をよりよく表現し色の一貫性を改善するためにフィードフォワード・ニューラルネットワークを用いる。
- 周波数領域で動作することで、EDNOは離散化不変な形で大域的受容野を捉えることを目指し、拡散ベースの演算子にありがちな問題（スペクトル・空間のぼけや、反復サンプリングに起因する高い計算コスト）に対処する。
- 3つのデータセットにまたがる実験により、より重いアーキテクチャよりも優れた効率—性能のトレードオフが報告され、高品質なパンシャープニングに対する計算的により現実的な代替としてEDNOが位置づけられる。
