DiffCR: Ein schnelles bedingtes Diffusionsframework zur Entfernung von Wolken aus optischen Satellitenbildern

Optische Satellitenbilder sind eine wichtige Datenquelle; jedoch beeinträchtigt Wolkenbedeckung oft ihre Qualität und behindert die Anwendung und Analyse der Bilder. Daher ist die effektive Entfernung von Wolken aus optischen Satellitenbildern zu einem wichtigen Forschungsgebiet geworden. Obwohl kürzliche Fortschritte bei der Wolkenentfernung hauptsächlich auf generativen adversären Netzwerken basieren, können diese suboptimale Bildqualität erzeugen. Diffusionsmodelle haben jedoch in verschiedenen Bildgenerierungsaufgaben bemerkenswerten Erfolg gezeigt und ihre Potenzialität bei der Bewältigung dieser Herausforderung demonstriert. In dieser Arbeit stellen wir einen neuen Ansatz namens DiffCR vor, der bedingte geführte Diffusion mit tiefen Faltungsnetzen für leistungsstarke Wolkenentfernung bei optischen Satellitenbildern nutzt. Insbesondere führen wir einen getrennten Encoder für die Extraktion bedingter Bildmerkmale ein, der eine robuste Farbdarstellung bietet, um die Ähnlichkeit der Erscheinungsinformationen zwischen dem bedingten Eingang und dem synthetisierten Ausgang sicherzustellen. Darüber hinaus schlagen wir einen neuartigen und effizienten Zeit- und Bedingungsfusionsblock im Modell zur Wolkenentfernung vor, um die Korrespondenz zwischen den Erscheinungen im bedingten Bild und dem Zielbild bei geringem Rechenaufwand genau zu simulieren. Umfangreiche experimentelle Evaluierungen an zwei häufig verwendeten Benchmark-Datensätzen zeigen, dass DiffCR konsistent den aktuellen Stand der Technik in allen Metriken erreicht, wobei die Parameter- und Rechenkomplexität nur 5,1 % bzw. 5,4 % jener früherer besten Methoden betragen. Der Quellcode, vortrainierte Modelle und alle experimentellen Ergebnisse werden öffentlich verfügbar sein unter https://github.com/XavierJiezou/DiffCR nach Annahme dieser Arbeit.请注意，我已将 "法语" 更正为 "德语" 并进行了相应的翻译。如果有任何其他要求或需要进一步调整的地方，请告知。