तकनीकी सारांश: फिजिक्स-गाइडेड रिजीम अनमिक्सिंग (PGRU)

समस्या विवरण

हाइपरस्पेक्ट्रल इमेजिंग सैकड़ों बैंडों में सतह के परावर्तन (reflectance) को कैप्चर करती है, जिससे कृषि, भूविज्ञान और पर्यावरणीय निगरानी जैसे अनुप्रयोगों के लिए सामग्री का लक्षण वर्णन संभव होता है। हालाँकि, सतह की विषमता के सापेक्ष मोटे स्थानिक रिज़ॉल्यूशन (spatial resolution) के कारण, व्यक्तिगत पिक्सेल में अक्सर कई सामग्रियों के मिश्रित स्पेक्ट्रल रिस्पॉन्स होते हैं। स्पेक्ट्रल अनमिक्सिंग शुद्ध सामग्री हस्ताक्षरों (endmembers) और उनकी भिन्नात्मक प्रचुरता (fractional abundances) को पुनः प्राप्त करने का प्रयास करती है।

लीनर मिक्सिंग मॉडल (LMM) अपनी सरलता और भौतिक व्याख्यात्मकता के कारण मानक दृष्टिकोण है। हालाँकि, LMM यह मानता है कि फोटॉन सेंसर तक पहुँचने से पहले एक ही सामग्री के साथ परस्पर क्रिया करते हैं, जो कि मल्टीपल स्कैटरिंग (multiple scattering) की स्थितियों में विफल हो जाता है। जबकि गैर-रेखीय विस्तार जैसे कि जनरलाइज्ड बाइलिनियर मॉडल (GBM), पोस्ट-नॉनलीनर मिक्सिंग मॉडल (PPNM), और हैपके (Hapke) रेडिएटिव ट्रांसफर मॉडल इस समस्या को संबोधित करते हैं, वे आमतौर पर पूरे दृश्यों (scenes) में समान रूप से गैर-रेखीयता लागू करते हैं। यह समान अनुप्रयोग यह अंतर करने में विफल रहता है कि किन विशिष्ट पिक्सेल को गैर-रेखीय उपचार की आवश्यकता है, जिससे अक्सर उप-इष्टतम प्रदर्शन होता है। इसके विपरीत, डीप लर्निंग दृष्टिकोण (जैसे ऑटोएनकोडर्स) मजबूत पुनर्निर्माण (reconstruction) प्राप्त करते हैं लेकिन "ब्लैक बॉक्स" के रूप में कार्य करते हैं, जो रिजीम चयन या उन स्थितियों के लिए कोई भौतिक स्पष्टीकरण नहीं देते हैं जिनमें गैर-रेखीयता सक्रिय होती है।

कार्यप्रणाली (Methodology)

लेखक फिजिक्स-गाइडेड रिजीम अनमिक्सिंग (PGRU) का प्रस्ताव करते हैं, जो एक पिक्सेल-वार स्केलर $\xi_i \in [0, 1]$ का अनुमान लगाता है ताकि केवल वहीं गैर-रेखीय मिश्रण को सक्रिय किया जा सके जहाँ भौतिक रूप से उचित हो। पिछले तरीकों के विपरीत, PGRU को यह जानने के लिए लेबल वाले डेटा की आवश्यकता नहीं है कि पिक्सेल रैखिक हैं या गैर-रेखीय; इसके बजाय, रिजीम असाइनमेंट पुनर्निर्माण सुधार और भौतिक विशेषता निरंतरता के बीच परस्पर क्रिया से उभरता है।

मॉडल फॉर्मूलेशन

प्रत्येक पिक्सेल $i$ का पुनर्निर्माण इस प्रकार किया जाता है:
$$\hat{y}_i = S_{lin,i} + \xi_i \delta_{nl,i}$$
जहाँ:

• $S_{lin,i}$ मानक LMM घटक है (गैर-ऋणात्मक प्रचुरता जो एक के योग के बराबर है)।
• $\delta_{nl,i}$ एक गैर-रेखीय अवशेष (nonlinear residual) है।
• $\xi_i$ एक स्विच के रूप में कार्य करता है: $\xi_i \approx 0$ मॉडल को LMM में बदल देता है, जबकि $\xi_i \approx 1$ गैर-रेखीय योगदान को पूरी तरह से सक्रिय करता है।

गैर-रेखीय अवशेष निर्माण

अवशेष $\delta_{nl,i}$ तीन भौतिक मॉडलों के अवशेषों का एक भारित संयोजन (weighted combination) है:
$$\delta_{nl,i} = \sum_{k} \alpha_{ik} \delta_{ik}$$
भार $\alpha_{ik}$ सीखे गए अटेंशन गुणांक हैं जो तापमान-नियंत्रित सॉफ्टमैक्स (temperature-controlled softmax) के माध्यम से प्राप्त किए जाते हैं, जो निम्नलिखित को संयोजित करते हैं:

1. GBM: एंडमेंबर्स के बीच युग्मवार (pairwise) स्कैटरिंग को कैप्चर करता है।
2. PPNM: लीनियर मिश्रण पर द्विघातीय विरूपण (quadratic distortion) पेश करता है।
3. Hapke: रेडिएटिव ट्रांसफर थ्योरी के आधार पर मल्टीपल स्कैटरिंग का वर्णन करता है।
   $\alpha_{ik}$ पर एंट्रॉपी रेगुलराइजेशन प्रत्येक पिक्सेल पर प्रमुख भौतिक तंत्र की ओर एकाग्रता को प्रोत्साहित करता है।

फिजिक्स-गाइडेड रिजीम एस्टीमेशन

मुख्य नवाचार यह है कि $\xi_i$ को केवल पुनर्निर्माण त्रुटि के बजाय दृश्य गुणों द्वारा निर्देशित किया जाता है। इसे निम्नानुसार गणना किया जाता है:
$$\xi_i = \sigma \left( \sum_{k} w_k F_{ik} + b \right)$$
जहाँ:

• $F_{ik}$ पिक्सेल $i$ के भौतिक और ज्यामितीय गुणों (स्पेक्ट्रल कर्वेचर, NDVI, NDVI ग्रेडिएंट, EMP, DMP, LBP) का प्रतिनिधित्व करता है।
• $w_k$ सीखे गए भार (learned weights) हैं।
• $\sigma$ सिग्मॉइड फंक्शन है।
  यह फॉर्मूलेशन फीचर स्पेस पर लॉजिस्टिक रिग्रेशन के समान है, जिससे रिजीम निर्णय फीचर योगदान के पठनीय योग के रूप में व्याख्या योग्य बन जाता है।

ऑब्जेक्टिव फंक्शन

मॉडल को प्रति-पिक्सेल पुनर्निर्माण गेन $\Delta_{res,i} = \|y_i - S_{lin,i}\| - \|y_i - \hat{y}_i\|$ का उपयोग करके प्रशिक्षित किया जाता है। पूर्ण ऑब्जेक्टिव फंक्शन $L$ है:
$$L = \sum_{i} \left[ -\tanh(\Delta_{res,i}) + \lambda_{feat}(\xi_i - \xi_{prior,i})^2 + \lambda_{sp} \xi_i \nabla^2 \xi_i \right] + \lambda_w \|w\|^2$$

• पहला पद उस स्थान पर गैर-रेखीय सक्रियता को पुरस्कृत करता है जहाँ यह पुनर्निर्माण त्रुटि को कम करता है ( $\tanh$ द्वारा संतृप्त)।
• दूसरा पद $\xi_i$ को फीचर-आधारित प्रायर (prior) से जोड़ता है, जिसमें $\lambda_{feat}$ को प्रशिक्षण के दौरान धीरे-धीरे कम (annealed) किया जाता है।
• तीसरा पद लैपलेसियन रेगुलराइज़र के माध्यम से रिजीम मैप की स्थानिक सुसंगतता (spatial coherence) को बढ़ावा देता है।
• अंतिम पद भारों पर L2 रेगुलराइजेशन है।
  किसी भी पिक्सेल लेबल का उपयोग नहीं किया गया है; रिजीम असाइनमेंट पूरी तरह से अनसुपरवाइज्ड है।

मुख्य परिणाम

लेखकों ने तीन बेंचमार्क डेटासेट्स: Samson, Jasper Ridge, और Urban पर PGRU का मूल्यांकन किया। बेसलाइन में LMM, GBM, और PPNM शामिल थे।

• पुनर्निर्माण सटीकता (Reconstruction Accuracy): PGRU ने सभी डेटासेट्स में सभी बेसलाइन्स पर निरंतर सुधार दिखाया।
  • Samson: rRMSE 0.495 (LMM) से गिरकर 0.052 (PGRU) हो गया।
  • Jasper Ridge: rRMSE 0.347 (LMM) से गिरकर 0.068 (PGRU) हो गया।
  • Urban: rRMSE 0.331 (LMM) से गिरकर 0.064 (PGRU) हो गया।
  • उल्लेखनीय रूप से, यूनिफॉर्म नॉन-लीनियर बेसलाइन्स (GBM, PPNM) LMM से लगातार बेहतर प्रदर्शन नहीं कर सके, जो पुष्टि करता है कि यूनिफॉर्म नॉन-लिनियैरिटी प्रति-उत्पादक हो सकती है।
• भौतिक सुसंगतता (Physical Coherence): सक्रियण मानचित्र $\xi$ और पुनर्निर्माण गेन $\Delta_{res}$ के बीच सहसंबंध $\rho$ सभी डेटासेट्स में 0.90 से अधिक था (0.93, 0.91, और 0.92), जो पुष्टि करता है कि गैर-रेखीय मिश्रण ठीक वहीं सक्रिय होता है जहाँ पुनर्निर्माण सुधार देखे जाते हैं।
• व्याख्यात्मकता (Interpretability): फीचर वेट विश्लेषण ने दृश्य-अनुकूल व्यवहार (scene-adaptive behavior) प्रकट किया:
  • Jasper Ridge में, NDVI हावी था, जिसने घने वनस्पतियों (अपेक्षित मल्टीपल स्कैटरिंग) में गैर-रेखीय सक्रियता को केंद्रित किया और पानी के ऊपर इसे दबा दिया।
  • Urban में, स्पेक्ट्रल कर्वेचर ने चयन को संचालित किया, जो सामग्री सीमाओं पर संरचनात्मक जटिलता को दर्शाता है न कि वनस्पति इंटरैक्शन को।
  • स्थानिक मानचित्र (जैसे, Fig. 1) ने प्रदर्शित किया कि मॉडल रिजीम चयन को मापने योग्य दृश्य गुणों से जोड़ता है, जो कि एक पिक्सेल गैर-रेखीय क्यों है, इसके लिए पिक्सेल-स्तरीय स्पष्टीकरण प्रदान करता है।

महत्व और दावे

पेपर का दावा है कि PGRU स्पेक्ट्रल अनमिकिंग में एक महत्वपूर्ण अंतर को संबोधित करता है: यह निर्धारित करना कि एक विशिष्ट पिक्सेल को गैर-रेखीय मॉडल की आवश्यकता क्यों है। भौतिक विशेषताओं में $\xi_i$ को आधार बनाकर, मॉडल बिना लेबल वाले डेटा के व्याख्या योग्य रिजीम मैप बनाता है।

लेखक तर्क देते हैं कि चयनात्मक, व्याख्या योग्य गैर-रेखीयता (selective, explainable nonlinearity) यूनिफॉर्म लीनियर और यूनिफॉर्म नॉन-लीनियर दोनों दृष्टिकोणों से बेहतर प्रदर्शन करती है। वे PGRU को वैश्विक लीनियर या वैश्विक नॉन-लीनियर मॉडल के बीच एक व्यावहारिक विकल्प के रूप में प्रस्तुत करते हैं, जहाँ गैर-रेखीयता को केवल तभी लागू किया जाता है जब भौतिक साक्ष्य द्वारा न्यायोचित हो।

लेखक अपने दावों के संबंध में एक मध्यम स्वर बनाए रखते हैं, यह नोट करते हुए कि:

1. ये परिणाम प्रारंभिक हैं और इनके लिए हाल के डीप-लर्निंग बेसलाइन्स के विरुद्ध व्यापक सत्यापन की आवश्यकता है।
2. भौतिक मॉडल एन्सेम्बल, फीचर-गाइडेड एक्टिवेशन, और स्पेक्ट्रल रेगुलराइजेशन के सापेक्ष महत्व को अभी तक एक व्यवस्थित एब्लेशन स्टडी (ablation study) के माध्यम से अलग नहीं किया गया है।
3. ब्लाइंड अनमिकिंग सेटिंग्स, ग्राउंड-ट्रुथ नॉन-लीनियर इंटरैक्शन लेबल वाले परिदृश्यों, और अधिक जटिल मिक्सिंग परिदृश्यों में विधि का विस्तार करने के लिए भविष्य के कार्य की आवश्यकता है।