Tag · 4 篇

全色锐化

Spatial-Spectral Residuals Informed Diffusion Neural Operator for Pan-sharpening

用Galerkin型神经算子替代注意力去噪骨干网络，在扩散逆过程中显式注入像素级空间-光谱残差作为闭环引导，为图像融合与复原任务提供了一种兼顾效率与保真度的扩散采样框架。

Regulating Rather than Constraining: Adaptive Guidance for Complex Spectral Reconstruction in Pansharpening

提出一种与架构无关的正则化引导机制，通过MixShuffle数据增强和分层注意力加权损失，可迁移到其他需要处理复杂光谱混合的低层视觉任务中。

Multigrain-aware Semantic Prototype Scanning and Tri-Token Prompt Learning Embraced High-Order RWKV for Pan-Sharpening

将 RWKV 的栅格扫描替换为基于局部敏感哈希的语义原型扫描，并用全局/原型/寄存器三词元提示词注入语义先验，可直接迁移到其他线性复杂度视觉骨干的全局建模与词元重排设计中。

Cross-Scale Pansharpening via ScaleFormer and the PanScale Benchmark

把跨分辨率泛化重构成跨序列长度泛化，用可变长度图像块序列加 RoPE 外推到未见尺度，这一思路可直接迁移到超分、去噪等需要在不同分辨率间泛化的底层视觉任务。