.png){kind=icon}
返回
Iterative Token Refinement for Remote Sensing Image Super-Resolution
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2026.3678393.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，遥感图像超分辨率（RSISR）领域的最新进展利用了Transformer架构来实现最先进的性能。然而，大多数现有的基于Transformer的方法将标记序列视为统一的全球上下文，这通常无法保留关键局部结构和跨区域语义。为了解决这些问题，我们提出了一种迭代Transformer框架，该框架能够逐步在上下文感知的基础上细化视觉标记。具体而言，我们首先基于向量量化（VQ）-GAN将输入图像表示为离散标记。然后，在此基础上，我们提出了一个预测器-评估器机制，用于迭代细化高分辨率（HR）标记序列。在每次迭代中，预测器生成所有HR标记，并保留具有最高置信度估计的标记，同时将剩余部分进行掩码以供后续细化。与此同时，评估器（训练用于评估每个标记的可靠性）指导标记的选择和再生成，以实现渐进式重建。为了与低分辨率（LR）输入保持结构一致性，我们进一步引入了一个感知一致性的LR条件解码器（CLD）模块，该模块利用LR图像来调节HR标记。实验表明，我们的方法在多个遥感基准测试中取得了具有竞争力的性能。
Keyword:
Iterative generation
low-resolution (LR)-conditioned
remote sensing image
super-resolution (SR)
token refinement
期刊
I
IF:
4.4
论文数:
714
被引数:
0
机构
引用论文
ACT-SR: Aggregation Connection Transformer for Remote Sensing Image Super-ResolutionACT-SR: 用于遥感图像超分辨率的聚合连接Transformer
PREAI
分享收藏Scale-Aware Backprojection Transformer for Single Remote Sensing Image Super-Resolution用于单幅遥感图像超分辨率的尺度感知反投影变换器
PREAI
分享收藏Efficient High-Frequency Texture Recovery Diffusion Model for Remote Sensing Image Super-Resolution.png)
IF0
PREAI
分享收藏EDiffSR: An Efficient Diffusion Probabilistic Model for Remote Sensing Image Super-ResolutionEDiffSR: 一种高效的遥感图像超分辨率扩散概率模型
OAAI
OAAI分享收藏
查看更多内容