RADiffSR: A Diffusion Model for Remote Sensing Image Super-Resolution Fusing Residual Attention and Cross-Scale Dynamic Gating
Notice bibliographique
Résumé
Remote sensing image super-resolution (SR) technology is critical for enhancing the fine interpretation capability of large-scale land cover elements. However, existing methods are constrained by three core deficiencies: insufficient information interaction in multispectral channel modeling, lack of spatiotemporal continuity modeling for geographic entities, and failure of cross-scale feature geometric alignment. These deficiencies lead to coupled challenges in reconstructed images, including morphological discontinuities of extensive geographic features and texture artifact proliferation. This paper proposes a remote sensing image SR algorithm based on the diffusion probabilistic model (DPM), referred to as RADiffSR. First, a Residual-Attention Enhancement Block (RAE Block) is designed. It integrates residuals and Nonlinear Activation-Free Block to form a dual-domain attention mechanism, which synchronously optimizes feature response weights in the spatial and spectral domains, alleviating the deficiency in correlation representation between multispectral channels. Second, we introduce large-kernel convolutional layers to construct multi-level receptive field architectures aligned with geographic entity scale characteristics, modeling extensive terrain continuity through enlarged kernel sizes while incorporating inverted bottleneck ConvFFN structures to deepen feature extraction and implicitly enhance high-frequency texture retention. Finally, a feature manifold alignment strategy is implemented with dynamic gating mechanisms between encoder-decoder pathways to regulate cross-scale feature propagation weights, suppressing semantic distortion and high-frequency information loss. We construct the GF7-SR super-resolution dataset based on GF-7 satellite imagery, encompassing diverse typical land cover scenarios including mountainous houses, farmland, forests, and water bodies for model training and testing. Experiments demonstrate that RADiffSR achieves 36.39 dB and 28.36 dB PSNR on GF7-SR and Toronto datasets respectively, significantly outperforming state-of-the-art methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».