AI 中文总结
介绍用于细粒度高光谱土地覆盖理解的HyperImageNet基准，含原始图像等数据，支持语义和实例分割，建立开放环境基准评估方法和模型，实验证明其在相关研究中的有效性。
AI 中文摘要
我们展示了HyperImageNet，一个用于细粒度高光谱土地覆盖理解的大规模基准。该数据集包含26,084个航空高光谱图像块，具有224个光谱带和138个细粒度土地覆盖类别。与现有数据集不同，它提供原始图像、像素级语义标签和对象级实例掩码，支持语义和实例分割。此外，我们建立了一个具有严格空间分离的开放环境基准来评估代表性方法和HyperFree基础模型。实验结果证明了HyperImageNet在细粒度高光谱理解和开放环境遥感研究中的有效性。
英文摘要
We present HyperImageNet, a large-scale benchmark for fine-grained hyperspectral land-cover understanding. The dataset contains 26,084 airborne hyperspectral image patches with 224 spectral bands and 138 fine-grained land-cover categories. Unlike existing datasets, HyperImageNet provides raw imagery, pixel-level semantic labels, and object-level instance masks, supporting both semantic and instance segmentation. Furthermore, we establish an open-environment benchmark with strict spatial separation to evaluate representative methods and the HyperFree foundation model. Experimental results demonstrate the effectiveness of HyperImageNet for fine-grained hyperspectral understanding and open-environment remote sensing research.
