高光谱分解的高光谱基础模型基准测试

最近推出了几种专用于高光谱图像的基础模型。这些模型在大型未标记数据集上进行训练，并在许多高光谱成像任务（例如分类或去噪）中表现出强大的性能。尽管如此，它们在高光谱分解（即分离高光谱图像中重叠材料的混合光谱的任务）方面的性能仍有待研究。这可能部分是由于它们中的大多数依赖于视觉转换器主干，包括补丁，导致特征分辨率问题。虽然高光谱分解已经由高光谱图像的低分辨率引起，但这种修补步骤可能会使问题变得更加不适定。因此，在这项工作中，我们的目标是回答两个问题：1）\emph{基础模型在高光谱解混中的表现如何？}； 2) \emph{如何解决特征级分辨率损失？} 为了回答第一个问题，我们对用于分解的基础模型进行了基准测试，表明它们可以在四个高光谱分解数据集上达到最先进的性能。为了回答第二个问题，我们比较了几种特征上采样方法，并根据经验表明使用简单的方法可以带来高性能结果。该代码可从此 https URL 获取。