IGroupSS-Mamba: Interval Group Spatial-Spectral Mamba for Hyperspectral Image Classification

要約

ハイパースペクトル画像 (HSI) 分類は、リモート センシング分野で大きな注目を集めています。
選択的状態空間モデル (S6) に基づいて構築された最近の Mamba アーキテクチャは、長距離シーケンス モデリングにおける大きな可能性を実証しました。
ただし、ハイパースペクトル データの高次元性と情報の冗長性により、HSI 分類における Mamba の適用には課題​​が生じ、次善のパフォーマンスと計算効率に悩まされます。
これを踏まえて、この論文では、HSI 分類のための軽量の間隔グループ空間スペクトル Mamba フレームワーク (IGroupSS-Mamba) を調査します。これにより、グループ化および階層的な方法での多方向およびマルチスケールのグローバル空間スペクトル情報の抽出が可能になります。
技術的には、インターバル グループ S6 メカニズム (IGSM) がコア コンポーネントとして開発されており、高次元の特徴を一定の間隔で重複しない複数のグループに分割し、特定のスキャン方向を持つ各グループの一方向 S6 を統合して非同期性を実現します。
冗長シーケンスモデリング。
すべての帯域に多方向スキャンを適用する従来の方法と比較して、このグループ化戦略は、計算コストを削減しながら、さまざまなスキャン方向の​​補完的な強みを活用します。
空間スペクトルのコンテキスト情報を適切にキャプチャするために、間隔グループ空間スペクトル ブロック (IGSSB) が導入されています。IGSSB では、2 つの IGSM ベースの空間演算子とスペクトル演算子がカスケードされ、空間次元とスペクトル次元に沿ったグローバルな空間スペクトル関係を特徴付けます。
それぞれ。
IGroupSS-Mamba は、複数の IGSSB ブロックによって積み重ねられた階層構造として構築され、浅い段階から深い段階までマルチスケールの空間スペクトル意味論的学習のためのピクセル集約ベースのダウンサンプリング戦略を統合します。
広範な実験により、IGroupSS-Mamba が最先端の方法よりも優れていることが実証されました。

要約(オリジナル)

Hyperspectral image (HSI) classification has garnered substantial attention in remote sensing fields. Recent Mamba architectures built upon the Selective State Space Models (S6) have demonstrated enormous potential in long-range sequence modeling. However, the high dimensionality of hyperspectral data and information redundancy pose challenges to the application of Mamba in HSI classification, suffering from suboptimal performance and computational efficiency. In light of this, this paper investigates a lightweight Interval Group Spatial-Spectral Mamba framework (IGroupSS-Mamba) for HSI classification, which allows for multi-directional and multi-scale global spatial-spectral information extraction in a grouping and hierarchical manner. Technically, an Interval Group S6 Mechanism (IGSM) is developed as the core component, which partitions high-dimensional features into multiple non-overlapping groups at intervals, and then integrates a unidirectional S6 for each group with a specific scanning direction to achieve non-redundant sequence modeling. Compared to conventional applying multi-directional scanning to all bands, this grouping strategy leverages the complementary strengths of different scanning directions while decreasing computational costs. To adequately capture the spatial-spectral contextual information, an Interval Group Spatial-Spectral Block (IGSSB) is introduced, in which two IGSM-based spatial and spectral operators are cascaded to characterize the global spatial-spectral relationship along the spatial and spectral dimensions, respectively. IGroupSS-Mamba is constructed as a hierarchical structure stacked by multiple IGSSB blocks, integrating a pixel aggregation-based downsampling strategy for multiscale spatial-spectral semantic learning from shallow to deep stages. Extensive experiments demonstrate that IGroupSS-Mamba outperforms the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google