{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5456425"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5456425","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"MSTOK: Προσαρμογή Διακριτοποίησης Εικόνων σε Πολυφασματικές Εικόνες Παρατήρησης της Γης","abstract":"Οι πρόσφατες εξελίξεις στην παραγωγική μοντελοποίηση για τη γεωπαρατήρηση αναδεικνύουν τη σημασία των συμπαγών αναπαραστάσεων εικόνας που διατηρούν τη χωρική και φασματική πληροφορία. Η παρούσα διπλωματική εργασία παρουσιάζει το MSTok, μια προσαρμογή του Open-MAGVIT2 με κβάντιση χωρίς αναζήτηση σε κωδικοβιβλίο (LFQ), για εικόνες Sentinel-2 Level-2A με 12 φασματικές ζώνες από το TerraMesh. Τα πειράματα εξετάζουν την προεπεξεργασία της ανακλαστικότητας, το μέγεθος του διακριτού χώρου κωδικών, την αρχικοποίηση από προεκπαιδευμένο μοντέλο στο ImageNet, αρχιτεκτονικές προσαρμογές και την κοινή εκπαίδευση σε ImageNet και TerraMesh. Η ποιότητα ανακατασκευής αξιολογείται σε 89 088 δείγματα επικύρωσης ανάλυσης 224 × 224, με πολυφασματικές μετρικές και αντιληπτικές μετρικές RGB. Μετά από μία εποχή εκπαίδευσης, το βασικό μοντέλο με τυχαία αρχικοποίηση υπερείχε του αντίστοιχου μοντέλου με αρχικοποίηση από το ImageNet στις αναφερόμενες μετρικές ανακατασκευής, επιτυγχάνοντας FID 61,38 έναντι 69,53. Παρατηρήθηκαν επανειλημμένα αντίρροπες τάσεις μεταξύ πολυφασματικής ακρίβειας και αντιληπτικής ποιότητας RGB: η συνέχιση της εκπαίδευσης του γραμμικού προσαρμογέα μείωσε το MAE όλων των ζωνών από 0,0480 σε 0,0469, ενώ αύξησε το FID από 29,26 σε 39,18. Η υψηλή αξιοποίηση των κωδικών και η ακριβής αυτόνομη ανακατα- σκευή των προσαρμογέων δεν εξασφάλισαν αποτελεσματική διακριτοποίηση στο πλήρες σύστημα. Το μοντέλο με τυχαία αρχικοποίηση επιλέχθηκε ως η προτιμώμενη συνολική διαμόρφωση εντός των διαθέσιμων υπολογιστικών πόρων. Τα ευρήματα καταδεικνύουν τη δυνατότητα πολυφασματικής διακριτοποίησης με LFQ και την ανάγκη συνδυαστικής αξιολόγησης της πιστότητας πολυφασματικής ανακατασκευής και της αντιληπτικής ποιότητας των ορατών ζωνών.","abstract_html":"Οι πρόσφατες εξελίξεις στην παραγωγική μοντελοποίηση για τη γεωπαρατήρηση αναδεικνύουν τη σημασία των συμπαγών αναπαραστάσεων εικόνας που διατηρούν τη χωρική και φασματική πληροφορία. Η παρούσα διπλωματική εργασία παρουσιάζει το MSTok, μια προσαρμογή του Open-MAGVIT2 με κβάντιση χωρίς αναζήτηση σε κωδικοβιβλίο (LFQ), για εικόνες Sentinel-2 Level-2A με 12 φασματικές ζώνες από το TerraMesh. Τα πειράματα εξετάζουν την προεπεξεργασία της ανακλαστικότητας, το μέγεθος του διακριτού χώρου κωδικών, την αρχικοποίηση από προεκπαιδευμένο μοντέλο στο ImageNet, αρχιτεκτονικές προσαρμογές και την κοινή εκπαίδευση σε ImageNet και TerraMesh. Η ποιότητα ανακατασκευής αξιολογείται σε 89 088 δείγματα επικύρωσης ανάλυσης 224 × 224, με πολυφασματικές μετρικές και αντιληπτικές μετρικές RGB. Μετά από μία εποχή εκπαίδευσης, το βασικό μοντέλο με τυχαία αρχικοποίηση υπερείχε του αντίστοιχου μοντέλου με αρχικοποίηση από το ImageNet στις αναφερόμενες μετρικές ανακατασκευής, επιτυγχάνοντας FID 61,38 έναντι 69,53. Παρατηρήθηκαν επανειλημμένα αντίρροπες τάσεις μεταξύ πολυφασματικής ακρίβειας και αντιληπτικής ποιότητας RGB: η συνέχιση της εκπαίδευσης του γραμμικού προσαρμογέα μείωσε το MAE όλων των ζωνών από 0,0480 σε 0,0469, ενώ αύξησε το FID από 29,26 σε 39,18. Η υψηλή αξιοποίηση των κωδικών και η ακριβής αυτόνομη ανακατα- σκευή των προσαρμογέων δεν εξασφάλισαν αποτελεσματική διακριτοποίηση στο πλήρες σύστημα. Το μοντέλο με τυχαία αρχικοποίηση επιλέχθηκε ως η προτιμώμενη συνολική διαμόρφωση εντός των διαθέσιμων υπολογιστικών πόρων. Τα ευρήματα καταδεικνύουν τη δυνατότητα πολυφασματικής διακριτοποίησης με LFQ και την ανάγκη συνδυαστικής αξιολόγησης της πιστότητας πολυφασματικής ανακατασκευής και της αντιληπτικής ποιότητας των ορατών ζωνών.","abstract_has_math":false,"creators":["Ποταμίτη Μυρτώ","Potamiti Myrto"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:56Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5456425"],"render_values":[{"text":"uoadl:5456425","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5456425","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5456425","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5456425","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ποταμίτη Μυρτώ","Potamiti Myrto"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5456425","https://pergamos.lib.uoa.gr/uoa/dl/object/5456425"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι πρόσφατες εξελίξεις στην παραγωγική μοντελοποίηση για τη γεωπαρατήρηση αναδεικνύουν τη σημασία των συμπαγών αναπαραστάσεων εικόνας που διατηρούν τη χωρική και φασματική πληροφορία. Η παρούσα διπλωματική εργασία παρουσιάζει το MSTok, μια προσαρμογή του Open-MAGVIT2 με κβάντιση χωρίς αναζήτηση σε κωδικοβιβλίο (LFQ), για εικόνες Sentinel-2 Level-2A με 12 φασματικές ζώνες από το TerraMesh. Τα πειράματα εξετάζουν την προεπεξεργασία της ανακλαστικότητας, το μέγεθος του διακριτού χώρου κωδικών, την αρχικοποίηση από προεκπαιδευμένο μοντέλο στο ImageNet, αρχιτεκτονικές προσαρμογές και την κοινή εκπαίδευση σε ImageNet και TerraMesh. Η ποιότητα ανακατασκευής αξιολογείται σε 89 088 δείγματα επικύρωσης ανάλυσης 224 × 224, με πολυφασματικές μετρικές και αντιληπτικές μετρικές RGB. Μετά από μία εποχή εκπαίδευσης, το βασικό μοντέλο με τυχαία αρχικοποίηση υπερείχε του αντίστοιχου μοντέλου με αρχικοποίηση από το ImageNet στις αναφερόμενες μετρικές ανακατασκευής, επιτυγχάνοντας FID 61,38 έναντι 69,53. Παρατηρήθηκαν επανειλημμένα αντίρροπες τάσεις μεταξύ πολυφασματικής ακρίβειας και αντιληπτικής ποιότητας RGB: η συνέχιση της εκπαίδευσης του γραμμικού προσαρμογέα μείωσε το MAE όλων των ζωνών από 0,0480 σε 0,0469, ενώ αύξησε το FID από 29,26 σε 39,18. Η υψηλή αξιοποίηση των κωδικών και η ακριβής αυτόνομη ανακατα- σκευή των προσαρμογέων δεν εξασφάλισαν αποτελεσματική διακριτοποίηση στο πλήρες σύστημα. Το μοντέλο με τυχαία αρχικοποίηση επιλέχθηκε ως η προτιμώμενη συνολική διαμόρφωση εντός των διαθέσιμων υπολογιστικών πόρων. Τα ευρήματα καταδεικνύουν τη δυνατότητα πολυφασματικής διακριτοποίησης με LFQ και την ανάγκη συνδυαστικής αξιολόγησης της πιστότητας πολυφασματικής ανακατασκευής και της αντιληπτικής ποιότητας των ορατών ζωνών.","Recent advances in generative modelling for Earth observation highlight the importance of compact image representations that preserve spatial and spectral information. This thesis presents MSTok, an adaptation of the Open-MAGVIT2 visual tokenizer using lookup-free quantization (LFQ) for 12-band Sentinel-2 Level-2A imagery from TerraMesh. Experiments investigate reflectance preprocessing, discrete code-space capacity, ImageNet-pretrained initialization, architectural adaptations, and joint ImageNet–TerraMesh training. Reconstruction quality is assessed on 89,088 validation samples at 224 × 224 resolution using multispectral and RGB perceptual metrics. After one epoch, the standard model trained from scratch outperformed its ImageNet-initialized counterpart across the reported reconstruction metrics, achieving an FID of 61.38 versus 69.53. A recurring trade-off emerged between multispectral accuracy and RGB perceptual quality: extending linear- adapter training reduced all-band MAE from 0.0480 to 0.0469, while increasing FID from 29.26 to 39.18. High code utilization and accurate standalone adapter reconstruction did not ensure effective end-to-end tokenization. The from-scratch configuration was retained as the preferred overall model within the available training budget. These findings demonstrate the feasibility of LFQ-based multispectral tokenization and the need to assess multispectral reconstruction fidelity and visible-band perceptual quality jointly."]},{"key":"dc:title","label":"Title","values":["MSTOK: Προσαρμογή Διακριτοποίησης Εικόνων σε Πολυφασματικές Εικόνες Παρατήρησης της Γης"]}]}],"canonical_facts":{"dc:creator":["Ποταμίτη Μυρτώ","Potamiti Myrto"],"dc:date":["2026"],"dc:description":["Οι πρόσφατες εξελίξεις στην παραγωγική μοντελοποίηση για τη γεωπαρατήρηση αναδεικνύουν τη σημασία των συμπαγών αναπαραστάσεων εικόνας που διατηρούν τη χωρική και φασματική πληροφορία. Η παρούσα διπλωματική εργασία παρουσιάζει το MSTok, μια προσαρμογή του Open-MAGVIT2 με κβάντιση χωρίς αναζήτηση σε κωδικοβιβλίο (LFQ), για εικόνες Sentinel-2 Level-2A με 12 φασματικές ζώνες από το TerraMesh. Τα πειράματα εξετάζουν την προεπεξεργασία της ανακλαστικότητας, το μέγεθος του διακριτού χώρου κωδικών, την αρχικοποίηση από προεκπαιδευμένο μοντέλο στο ImageNet, αρχιτεκτονικές προσαρμογές και την κοινή εκπαίδευση σε ImageNet και TerraMesh. Η ποιότητα ανακατασκευής αξιολογείται σε 89 088 δείγματα επικύρωσης ανάλυσης 224 × 224, με πολυφασματικές μετρικές και αντιληπτικές μετρικές RGB. Μετά από μία εποχή εκπαίδευσης, το βασικό μοντέλο με τυχαία αρχικοποίηση υπερείχε του αντίστοιχου μοντέλου με αρχικοποίηση από το ImageNet στις αναφερόμενες μετρικές ανακατασκευής, επιτυγχάνοντας FID 61,38 έναντι 69,53. Παρατηρήθηκαν επανειλημμένα αντίρροπες τάσεις μεταξύ πολυφασματικής ακρίβειας και αντιληπτικής ποιότητας RGB: η συνέχιση της εκπαίδευσης του γραμμικού προσαρμογέα μείωσε το MAE όλων των ζωνών από 0,0480 σε 0,0469, ενώ αύξησε το FID από 29,26 σε 39,18. Η υψηλή αξιοποίηση των κωδικών και η ακριβής αυτόνομη ανακατα- σκευή των προσαρμογέων δεν εξασφάλισαν αποτελεσματική διακριτοποίηση στο πλήρες σύστημα. Το μοντέλο με τυχαία αρχικοποίηση επιλέχθηκε ως η προτιμώμενη συνολική διαμόρφωση εντός των διαθέσιμων υπολογιστικών πόρων. Τα ευρήματα καταδεικνύουν τη δυνατότητα πολυφασματικής διακριτοποίησης με LFQ και την ανάγκη συνδυαστικής αξιολόγησης της πιστότητας πολυφασματικής ανακατασκευής και της αντιληπτικής ποιότητας των ορατών ζωνών.","Recent advances in generative modelling for Earth observation highlight the importance of compact image representations that preserve spatial and spectral information. This thesis presents MSTok, an adaptation of the Open-MAGVIT2 visual tokenizer using lookup-free quantization (LFQ) for 12-band Sentinel-2 Level-2A imagery from TerraMesh. Experiments investigate reflectance preprocessing, discrete code-space capacity, ImageNet-pretrained initialization, architectural adaptations, and joint ImageNet–TerraMesh training. Reconstruction quality is assessed on 89,088 validation samples at 224 × 224 resolution using multispectral and RGB perceptual metrics. After one epoch, the standard model trained from scratch outperformed its ImageNet-initialized counterpart across the reported reconstruction metrics, achieving an FID of 61.38 versus 69.53. A recurring trade-off emerged between multispectral accuracy and RGB perceptual quality: extending linear- adapter training reduced all-band MAE from 0.0480 to 0.0469, while increasing FID from 29.26 to 39.18. High code utilization and accurate standalone adapter reconstruction did not ensure effective end-to-end tokenization. The from-scratch configuration was retained as the preferred overall model within the available training budget. These findings demonstrate the feasibility of LFQ-based multispectral tokenization and the need to assess multispectral reconstruction fidelity and visible-band perceptual quality jointly."],"dc:identifier":["uoadl:5456425","https://pergamos.lib.uoa.gr/uoa/dl/object/5456425"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["MSTOK: Προσαρμογή Διακριτοποίησης Εικόνων σε Πολυφασματικές Εικόνες Παρατήρησης της Γης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:56Z"}