MOSAIC: Multi-Scale Object-Centric Slot Adaptation with Image-Guided Prototype Conditioning for Remote Sensing Image Super-Resolution
Aggiunta all'archivio di AIChronos il (numero del 9 ottobre 2026 ricostruito)· fonte del · Liuqian Wang, Hanyu Xie, Rongzhen Zhao, Qi Ming, Chunjie Ma, Wentao Chao
Il framework MOSAIC affronta le sfide dell'adattamento di modelli pre-addestrati per compiti sensibili alla struttura, come il super-risoluzione delle immagini da telerilevamento. Organizza le osservazioni degradate in slot strutturali che catturano evidenze a livello di oggetto e layout, integrandole attraverso risoluzioni diverse. Utilizza una memoria condivisa dei prototipi per recuperare priors ricorrenti e compensare informazioni incomplete specifiche dell'immagine. Le rappresentazioni risultanti vengono iniettate tramite modulazione residua leggera negli strati selezionati di un Transformer generativo congelato.
- MOSAIC utilizza una rappresentazione learning centrata sugli oggetti per apprendere condizioni strutturali compatte.
- Integra evidenze complementari a livello di oggetto e layout organizzando le osservazioni degradate in slot strutturati.
- Recupera priors ricorrenti da una memoria condivisa dei prototipi per completare informazioni specifiche dell'immagine mancanti.
- Preserva il prior generativo pre-addestrato tramite modulazione residua leggera negli strati di un frozen diffusion Transformer.
- Dimostra miglioramenti consistenti in PSNR e LPIPS su dataset come UCMerced, AID e RSSCN7 per scenari da telerilevamento.
Perché conta. Sebbene focalizzato sul super-risoluzione delle immagini, il principio di utilizzare slot strutturali e memoria dei prototipi è rilevante per sviluppatori che lavorano con agenti AI locali o sistemi RAG complessi. Questo approccio offre un modello su come preservare conoscenze generali (priors) mentre si adattano a domini specifici senza perdere efficienza computazionale.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.