（CVPR 2025 ）基于学习的自动HSI光谱校准方法，涨点起飞

主要观点总结

本文介绍了一篇关于自动高光谱图像光谱校准的论文。该论文提出了新任务、构建了数据集、并提供了自动校准模型。论文解决了传统高光谱图像校准方法存在的问题，提升了高光谱在自然场景中的实用性和灵活性。

关键观点总结

关键观点1: 论文提出新任务：自动高光谱图像光谱校准

该论文首次提出使用深度学习方法完成HSI的自动校准，这是一个全新的研究方向。

关键观点2: 构建首个自动光谱校准数据集：BJTU-UVA & BJTU-UVA-E

论文提供了首个公开的自动光谱校准数据集，包括真实HSI数据和扩展生成的图像，涵盖不同光照条件。

关键观点3: 提出首个自动校准模型：Spectral Illumination Transformer (SIT)

论文提出了基于U-shaped Transformer架构的SIT模型，通过引入Spectral Attention和Illumination Attention双分支机制，实现有效校准。

关键观点4: 模型的实验与可视化结果

实验表明，SIT在多个指标上显著超越其他方法，并在低光照与近红外波段具有更强鲁棒性。文章还提供了可视化结果，展示了SIT的有效性。