モザイク化・パン分光融合画像に対する準教師ありフローマッチング

要旨: 低解像度（LR）のモザイク化ハイパースペクトル画像（HSI）を、高解像度（HR）のパン（PAN）画像と融合することは、単一ショット取得によって動画レートのHR-HSIイメージングを実現する有望な手段を提供する。しかし、その問題は厳しく不適切（severely ill-posed）であるため、依然として大きな課題となっている。本研究では、モザイク化画像とPAN画像の融合のための新規な半教師ありフローマッチング（semi-supervised flow matching）枠組みを提案する。従来の拡散ベースのアプローチが、特定のプロトコルや手作りの仮定によって制約されていたのに対し、本手法は教師なしの仕組みとフローマッチングをシームレスに統合し、その結果、汎用性が高く効率的な生成枠組みを実現する。具体的には、本手法は2段階の学習パイプラインに従う。まず、教師なしの事前（prior）ネットワークを事前学習して、初期の擬似HR-HSIを生成する。これに基づき、次に条件付きフローマッチングモデルを学習して目標のHR-HSIを生成する。さらに、初期のHR-HSI推定を逐次的に洗練させるランダム投票（random voting）メカニズムを導入し、頑健で効果的な融合を可能にする。推論時には、スペクトル的および空間的に整合したHR-HSI再構成を保証する、衝突のない勾配誘導（conflict-free gradient guidance）戦略を用いる。複数のベンチマークデータセットでの実験により、本手法は代表的なベースラインと比較して、顕著な差をもって優れた定量的および定性的性能を達成することが示される。モザイク化とPANの融合にとどまらず、本アプローチは、他の画像融合タスクへの拡張が容易であり、教師なしまたはブラインドの画像復元アルゴリズムと統合することも可能な、柔軟な生成枠組みを提供する。