.png){kind=icon}
返回
Multi-Pattern Scanning Mamba for Cloud Removal
.png){kind=icon}
OA
AI
DOI：10.3390/rs17213593.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感变化检测依赖于清晰的多时相图像，但云覆盖可能会显著降低图像质量。云去除作为一项关键图像恢复任务，需要有效建模长距离空间依赖关系以重建云遮挡下的信息。尽管基于Transformer的模型在处理此类空间建模方面表现出色，但其二次计算复杂度限制了实际应用。近期提出的Mamba（一种状态空间模型）为长距离建模提供了计算高效的替代方案，但其固有的1D顺序处理方式不适合捕获图像中复杂的2D空间上下文。为弥合这一差距，我们提出了多模式扫描Mamba（MPSM）模块。我们的MPSM模块通过引入一组多样化的扫描模式（沿水平、垂直和对角路径遍历特征）来适配Mamba架构以用于视觉任务。这种多方向方法确保每个特征能够聚集来自整个空间域的综合上下文信息。此外，我们引入了一种动态路径感知（DPA）机制，用于自适应地重新校准不同扫描路径的特征贡献，增强模型对位置敏感信息的关注。为有效捕获全局结构和局部细节，我们的MPSM模块被嵌入到一个增强多尺度监督的U-Net架构中。在RICE1、RICE2和T-CLOUD数据集上的大量实验表明，我们的方法在保持良好的计算效率的同时达到了当前最优性能。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
7.4K
被引数:
15.1W
机构
引用论文
.png){kind=icon}
CERMF-Net: A SAR-Optical Feature Fusion for Cloud Elimination From Sentinel-2 Imagery Using Residual Multiscale Dilated NetworkCERMF-Net：一种基于残差多尺度空洞网络的Sentinel-2影像云消除SAR-光学特征融合方法
OAAI
OAAI分享收藏
查看更多内容