高スペクトル画像の超解像のためのスペクトル・ダイナミック・アテンション・ネットワーク

Abstract

ハイパースペクトル画像の超解像は、HSIデータの空間的な忠実性を高めるために不可欠ですが、既存の深層学習手法は、スペクトルの実質的な冗長性や、標準的なフィードフォワードネットワーク（FFN）が持つ限られた非線形モデリング能力のために、しばしば十分に対応できません。これらの課題に対処するために、我々は冗長なスペクトル相互作用を適応的に抑制するよう設計された枠組みである、Spectral Dynamic Attention Network（SDANet）を提案します。SDANetは2つの主要コンポーネントを統合します。1) チャンネルごとの相関を計算し、動的かつデータ依存的な疎化によって最も有益な注意応答を選択的に保持する、Dynamic Channel Sparse Attention（DCSA）モジュール。2) 非線形の表現力を高めるために、空間表現と周波数領域表現を共同でモデリングする、Frequency-Enhanced Feed-Forward Network（FE-FFN）。2つのベンチマークデータセットに対する大規模な実験の結果、SDANetは競争力のある効率を維持しつつ、最先端のHISR性能を達成することが示されました。コードは https://github.com/oucailab/SDANet にて公開します。