

DRT-Net: Dual-Branch Rectangular Transformer with Contrastive Learning
本文提出DRT-Net,一种基于双分支矩形Transformer和对比学习的高光谱超分辨率方法。针对现有技术存在的三大局限性:1) CNN难以实现跨模态交互,传统Transformer无法建模长距离方向依赖;2) 多尺度融合缺乏自适应特征选择;3) 光谱保留不足的问题,DRT-Net通过三个创新模块实现突破:双分支矩形Transformer(DTR)利用交叉注意力增强空间-光谱特征交互;尺度自适应特征聚合(SAFA)动态选择多尺度特征;对比增强光谱恢复(CESR)机制通过对比学习确保光谱保真度。实验表明,该
