用于解释卫星影像 GAN 潜在空间的局部性保持方向

基于摘要分析。该研究针对卫星影像空间与光谱变化较大、GAN 潜在空间难以解释的问题，提出局部性感知方法，通过分解预训练小波 GAN 的权重空间，提取对应高层语义概念的可解释方向，用于引导卫星影像合成。 方法强调保留局部关系，而非像 PCA 类方法那样主要在低维空间中捕获权重变化。作者报告，局部性保持得到的方向向量具有不同的夹角特征，对生成伪影更稳健，也能更好地保留类别信息；可解释概念包括城市化、建筑结构密度和植被存在情况。摘要未给出局部关系的构建方式、具体分解目标，以及权重方向如何映射为生成控制方向，相关机制细节尚未验证。 在用于卫星场景分类的数据增强任务中，作者报告，定量与定性示例显示该方法可优于基础几何增强及全局 PCA 合成方法。摘要未提供数据集、数据划分、分类指标、具体增益或统计信息，实验协议、消融及统计信息尚未验证，因此不能判断优势的规模和适用边界。 其直接贡献是卫星影像 GAN 的可解释控制与数据合成，并非状态空间模型或 EEG/BCI 算法。当前材料未建立局部性保持方向与神经信号生成、标签保持之间的具体机制对应，不据此提出 BCI 迁移结论；已有 EEG 相关工作尚未检索确认。复现首先需核对预训练 GAN、局部性定义、方向提取与编辑流程，以及下游分类评估协议。