学术动态

MSSDIBNet：用于全色锐化的多重空间光谱双注入平衡网络

用于全色锐化的特征增强跨模态信息聚合网络

基于可学习退化建模与幅相调制的域一致性全色锐化

通过多模态鲁棒性和多功能应用推进全球城市制图

针对现有全球城市遥感制图方法高度依赖完整多模态数据、在部分观测数据缺失情况下性能下降，以及城市制图模型的预训练特征难以充分应用于其他城市遥感任务等问题，提出一种基于师生学习框架的鲁棒多模态全球城市制图方法（Global Urban Mapper 2.0，GUM 2.0）。该方法融合光学遥感、合成孔径雷达（SAR）及地形数据，构建能够适应不同模态组合和数据缺失场景的学生模型，并通过上下文集成的教师模型提供知识指导，结合解耦预测头实现跨模态知识迁移与特征学习，增强模型在多源观测条件下的适应能力与制图鲁棒性。在此基础上，利用GUM 2.0预训练权重构建可迁移的城市遥感特征表征，支持道路提取、建筑物识别、建筑物高度估计及局部气候区（LCZ）分类等多种下游任务，提升复杂城市环境下多任务遥感解译的泛化能力。该研究推动全球城市遥感监测从单一制图产品生成向多模态基础模型驱动的多任务智能解译拓展，为全球城市化进程监测、城市空间结构分析及可持续城市发展研究提供了新的技术支撑。

Physics-constrained cross-resolution enhancement network for optics-guided thermal UAV image super-resolution