提出面向高光谱与LiDAR分类的可靠性驱动特征校正框架ReDF
热点事件持续更新
提出面向高光谱与LiDAR分类的可靠性驱动特征校正框架ReDF
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年11月,Song Qiya在arXiv发布论文,提出Reliability-Driven Feature Correction for Hyperspectral and LiDAR Classification(ReDF)框架。该研究针对高光谱图像与激光雷达数据中模态特征判别可靠性空间变化未被显式建模的问题,构建了类原型库以量化位置特征可靠性。方法利用估计的可靠性构建加权共享表示,指导基于邻域一致性的双向跨模态特征修正,并自适应调整融合表示中各模态的贡献度。在三个公开数据集上的实验显示,ReDF的整体准确率和Kappa系数均优于对比方法。
AI 根据报道生成 · 11 小时前更新
最新进展11月18日 13:00
面向高光谱与激光雷达分类的可靠性驱动特征修正方法报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉面向高光谱与激光雷达分类的可靠性驱动特征修正方法
该论文针对高光谱图像(HSI)和激光雷达数据中模态特征判别可靠性空间变化未被显式建模的问题,提出了 ReDF 框架。该方法通过类原型库量化各位置特征的可靠性,利用估计出的可靠性构建加权共享表示并指导基于邻域一致性的双向跨模态特征修正,进而自适应调整融合表示中各模态的贡献度。在三个公开数据集上的实验表明,其整体准确率和 Kappa 系数均优于对比方法。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。