.png){kind=icon}
返回
A Diffusion Model With Physically Plausible Gradient for Remote Sensing Shadow Removal
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2025.3603651.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感影像对于地理对象探索具有重要意义，但阴影污染持续挑战着影像质量及后续应用。尽管扩散模型显著推动了阴影去除领域的发展，但现有范式忽略了阴影影像的物理属性，从而导致解释性缺失。为弥合这一差距，我们提出SR-Diffusion，一种结合红外热分布、色度及光照强度约束的阴影去除扩散模型。SR-Diffusion的核心思路是在逆向过程中将几乎所有可用的物理先验注入噪声，从而在噪声环境下提供理想的生成路径。具体而言，我们利用一种模态转换（可见光 $\mapsto $ 红外）方案来探索跨域映射，以提供热谱信息。同时，我们引入一种新的水平/垂直强度（HVI）空间，将可见光模态解耦为色度与光照强度。结合梯度引导，上述物理约束被嵌入噪声中，有助于生成稳定的无阴影影像。全面的实验表明，SR-Diffusion优于当前最先进的阴影去除方法。
Keyword:
Denoising diffusion model
physical property
remote sensing
shadow removal
期刊
IF:
8.6
论文数:
2.2W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
Learning Spatial Adaptation and Temporal Coherence in Diffusion Models for Video Super-Resolution学习扩散模型中视频超分辨的空间适应性和时间连贯性
PREAI
分享收藏
查看更多内容