MALNISI加权图与对比损失提升高光谱表示学习

1. 13:00
   arXiv cs.AI

   MALNISI 加权图构建与加权对比损失驱动的 GAT：高光谱图像无监督表示学习

   研究提出 MALNISI 指数，基于像素邻域信息度量相似度并构建加权邻接矩阵，为高光谱图像赋予图结构。配套的改进型 Graph Attention Network 将 MALNISI 权重作为辅助特征融入多头注意力，并结合残差连接、跳跃投影与特征归一化缓解过平滑。加权对比损失使强连接像素在潜空间保持接近，在六个基准 HSI 数据集上优于十四种 SOTA 方法。

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。