Unified Model Compression Framework for Hyperspectral Image Super-Resolution

Wenjin Guo

doi:10.1109/jstars.2026.3725636

Unified Model Compression Framework for Hyperspectral Image Super-Resolution

2026-08-19

0

OA

AI

DOI：10.1109/jstars.2026.3725636

原文链接

原文求助

摘要

En 中文

高光谱图像超分辨率（HSI-SR）对精细地球观测至关重要，但在资源受限的机载和星载平台上仍不实用。现有方法优先考虑重建保真度和降质鲁棒性，但大多忽视了硬件效率。为弥补这一差距，我们提出了首个统一的HSI-SR压缩框架，包含两个硬件友好的量化器。对于推理阶段，分块基向量量化器（BBVQ）利用高光谱图像固有的强局部空谱相似性，通过共享光谱基和低比特残差表示每个空间块，实现接近整数的算术运算同时保持光谱保真度。对于反向传播，通道感知尺度自适应量化器（CA-SAQ）通过整数移位动态缩放通道，在激进比特宽度压缩下降低梯度量化误差，提供硬件高效替代精细量化的方案，且无需引入内存重排。两种量化器均可即插即用，并兼容主流HSI-SR模型。通过优化的现场可编程门阵列（FPGA）和图形处理器（GPU）内核，本框架在8比特精度下实现GPU上2.27倍加速和FPGA上54.4%资源节省，同时匹配全精度模型的谱质量和降质鲁棒性，这将促进实际在轨部署。

Keyword:

Hyperspectral image (HSI)

model compression

neural network acceleration

Unified Model Compression Framework for Hyperspectral Image Super-Resolution

摘要

期刊

机构

引用论文