MFT-GAN：用于无监督泛锐化的多尺度特征引导Transformer网络

文章预览

点击下方“ ReadingPapers ”卡片，每天获取顶刊论文解读 论文信息 摘要 无监督学习，无需标记样本即可学习数据分布，是一种解决高光谱泛锐化挑战性任务的非常有前景的方法。受此启发，我们引入了一个创新的生成对抗网络框架（名为MFT-GAN），该框架整合了变换器网络和多尺度交互技术。具体来说，MFT-GAN由一个生成器和两个鉴别器组成。生成器由多尺度特征引导分支（MFGB）和特征交互融合分支（FIFB）组成。前者旨在通过卷积采样操作从低分辨率高光谱（LRHS）和全色（PAN）图像中提取光谱和空间信息分支。后者通过多尺度交互技术在不同尺度上实现光谱和空间信息的交互。然后，通过逐层卷积采样和像素求和操作将多尺度交互结果融合，以生成高分辨率高光谱（HRHS）图像。鉴别器由光谱变换鉴别器和空间变换鉴别器组成，旨在保持结构和参数 ………………………………