CRS-Diff: 可控卫星遥感基础模型生成
原文中文，约1300字，阅读约需3分钟。
📝
内容提要
DiffusionSat 是一个专注于卫星图像生成和超分辨率处理的大型生成基础模型。它通过渐进式扩散模型和云去除框架，显著提升了遥感图像的质量和细节恢复能力。此外，研究提出了多模态协同扩散联邦学习框架，解决了数据融合中的安全和效率问题，展示了在遥感领域的重要应用价值。
❓
Q&A
DiffusionSat 是什么？
DiffusionSat 是一个专注于卫星图像生成和超分辨率处理的大型生成基础模型。
DiffusionSat 如何提高遥感图像的质量？
该模型通过渐进式扩散模型和云去除框架，显著提升了遥感图像的质量和细节恢复能力。
什么是多模态协同扩散联邦学习框架 FedDiff？
FedDiff 是一种解决多模态遥感数据融合中的安全和效率问题的框架，展示了在图像质量和条件一致性方面的优势。
SwiMDiff 自监督预训练框架的作用是什么？
SwiMDiff 提升了无标签遥感图像的对比学习能力，有效捕捉图像的全局语义信息和细粒度特征。
如何实现高性能的卫星光学图像云去除？
通过 DiffCR 框架，利用深度卷积网络和条件引导扩散，实现了高性能的云去除，显著降低了参数和计算复杂度。
扩散概率模型（DPM）EDiffSR 的特点是什么？
EDiffSR 结合高效激活网络和条件先验增强模块，提升了遥感图像的视觉质量和细节恢复能力。
🏷️
