HQ-UNet

混合量子-经典网络提升遥感图像分割性能

研究人员开发了两种新的混合量子-经典神经网络架构，HQF-Net和HQ-UNet，用于遥感图像分割。HQF-Net集成了冻结的DINOv3 ViT-L/16骨干网络和U-Net结构，并融入了量子增强的跳跃连接以及带有混合专家模型的量子瓶颈。HQ-UNet设计更为紧凑，在经典U-Net的瓶颈处使用参数化量子电路，并采用非池化量子卷积模块。两种模型在基准数据集上的表现均优于经典的U-Net基线模型，表明混合方法在地球观测领域高效密集预测方面的潜力。