arXiv · 机器人与计算机视觉· Eleftheria Tetoula-Tsonga, George Arvanitakis, Theodoros Giannakas·· 14 天前AI 评分28
自监督光谱预测:多像素单组分的物理样本元素分析新方法
Many Pixels, One Composition: Self-Supervised Spectra for Specimen-Level Prediction
AI 导读
该方法将高光谱成像的元素成分预测转化为回归任务,通过冻结自监督训练的像素级编码器并搭配轻量级注意力回归头实现。测试显示其显著优于传统光谱匹配、解混及基于平均光谱的监督模型基线,而全量微调虽性能最强但需更高算力成本。研究采用开放数据集进行无标签预训练与有标签微调验证。
来源:arXiv · 机器人与计算机视觉 · arxiv.org