Diffusion model with disentangled modulations for sharpening multispectral and hyperspectral images

计算机科学 多光谱图像 锐化 人工智能 高光谱成像 图像融合 图像(数学) 领域(数学) 调制(音乐) 模式识别(心理学) 计算机视觉 数学 哲学 纯数学 美学
作者
Zihan Cao,Shiqi Cao,Liang-Jian Deng,Xiao Wu,Junming Hou,Gemine Vivone
出处
期刊:Information Fusion [Elsevier]
卷期号:104: 102158-102158 被引量:11
标识
DOI:10.1016/j.inffus.2023.102158
摘要

The denoising diffusion model has received increasing attention in the field of image generation in recent years, thanks to its powerful generation capability. However, diffusion models should be deeply investigated in the field of multi-source image fusion, such as remote sensing pansharpening and multispectral and hyperspectral image fusion (MHIF). In this paper, we introduce a novel supervised diffusion model with two conditional modulation modules, specifically designed for the task of multi-source image fusion. These modules mainly consist of a coarse-grained style modulation (CSM) and a fine-grained wavelet modulation (FWM), which aim to disentangle coarse-grained style information and fine-grained frequency information, respectively, thereby generating competitive fused images. Moreover, some essential strategies for the training of the given diffusion model are well discussed, e.g., the selection of training objectives. The superiority of the proposed method is verified compared with recent state-of-the-art (SOTA) techniques by extensive experiments on two multi-source image fusion benchmarks, i.e., pansharpening and MHIF. In addition, sufficient discussions and ablation studies in the experiments are involved to demonstrate the effectiveness of our approach. Code will be available after possible acceptance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
lcx完成签到,获得积分10
2秒前
2秒前
阿宝发布了新的文献求助10
3秒前
3秒前
爆米花应助坦率的寻双采纳,获得10
3秒前
小仙女发布了新的文献求助10
6秒前
yizhi完成签到 ,获得积分10
6秒前
慕青应助ZQYYRA采纳,获得10
7秒前
634301059发布了新的文献求助10
7秒前
8秒前
斯文败类应助冷酷的凌萱采纳,获得30
9秒前
Ding-Ding完成签到,获得积分10
9秒前
不吃豆皮发布了新的文献求助10
10秒前
12秒前
wqq关注了科研通微信公众号
12秒前
111发布了新的文献求助10
13秒前
wantango完成签到,获得积分10
13秒前
斯文败类应助XiYang采纳,获得10
15秒前
Faye完成签到,获得积分10
17秒前
过分动真发布了新的文献求助10
18秒前
18秒前
18秒前
天天快乐应助春风十里采纳,获得10
23秒前
酷波er应助一二三四五采纳,获得10
25秒前
赘婿应助不吃豆皮采纳,获得10
25秒前
25秒前
25秒前
李健的粉丝团团长应助zyx采纳,获得10
25秒前
善学以致用应助牛太虚采纳,获得10
26秒前
26秒前
XiYang发布了新的文献求助10
29秒前
CR7完成签到,获得积分10
29秒前
Faye发布了新的文献求助10
30秒前
33秒前
35秒前
XiYang完成签到,获得积分10
35秒前
桐桐应助zyx采纳,获得10
36秒前
Orange应助zty采纳,获得10
38秒前
1122完成签到,获得积分10
38秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3145247
求助须知:如何正确求助?哪些是违规求助? 2796643
关于积分的说明 7820749
捐赠科研通 2452983
什么是DOI,文献DOI怎么找? 1305322
科研通“疑难数据库(出版商)”最低求助积分说明 627483
版权声明 601464