多时相高光谱图像解混合的 Transformer
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种用于多时相高光谱图像解混的 MUFormer 模型，该模型通过全局感知模块和变化增强模块的协同作用，有效地捕捉了关于端元和丰度变化的语义信息，从而显著提升了多时相高光谱图像解混效果。
HPFormer是一种基于Transformer的新方法，利用其强大的表示学习能力来提高视觉跟踪性能。通过HHA模块实现特征提取和融合，通过TBM从高光谱输入中选择性地聚合空间细节和光谱特征来注入有信息的目标表示。实验证明，HPFormer具有最先进的性能，提供了利用Transformer和高光谱融合来改进目标跟踪的新见解。
