Proposta HQF-Net, una rete ibrida quantistica-classica per la segmentazione di immagini telerilevate

È stata presentata una nuova architettura ibrida denominata HQF-Net per la segmentazione semantica nel telerilevamento. Questo modello combina un backbone statico DINOv3 ViT-L/16 con un design U-Net personalizzato attraverso un modulo di fusione Deformable Multiscale Cross-Attention. Per migliorare l'affinamento delle feature, impiega connessioni skip potenziate quantisticamente insieme a un collo di bottiglia quantistico che utilizza Mixture-of-Experts. Questo metodo integra circuiti quantistici locali, globali e direzionali complementari attraverso un sistema di routing adattivo. Lo studio affronta le carenze dei framework encoder-decoder tradizionali come U-Net, che spesso non riescono a sfruttare appieno la semantica globale e le interazioni strutturate delle feature. Un'efficace segmentazione semantica nel telerilevamento richiede modelli in grado di catturare dettagli spaziali complessi e il contesto semantico generale in ambienti articolati. I risultati sono stati pubblicati su arXiv con l'identificatore 2604.06715v2 come annuncio sostitutivo.