論文の概要: Spectral Synthesis for Satellite-to-Satellite Translation

• arxiv url: http://arxiv.org/abs/2010.06045v1
• Date: Mon, 12 Oct 2020 21:36:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 06:32:53.807081
• Title: Spectral Synthesis for Satellite-to-Satellite Translation
• Title（参考訳）: 衛星-衛星間翻訳のための分光合成
• Authors: Thomas Vandal, Daniel McDuff, Weile Wang, Andrew Michaelis, Ramakrishna Nemani
• Abstract要約: マルチスペクトルセンサーを搭載した地球観測衛星は、大気、陸、海洋の物理的および生物学的状態を監視するために広く利用されている。 これらの衛星は、地球上の異なるバンテージポイントを持ち、異なるスペクトルイメージングバンドを持ち、互いに一貫性のない画像を生み出す。 我々は、部分ラベルを用いた教師なし画像-画像変換問題として、マルチスペクトルセンサの合成スペクトル画像を生成する問題に取り組む。
• 参考スコア（独自算出の注目度）: 6.266622997342922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earth observing satellites carrying multi-spectral sensors are widely used to monitor the physical and biological states of the atmosphere, land, and oceans. These satellites have different vantage points above the earth and different spectral imaging bands resulting in inconsistent imagery from one to another. This presents challenges in building downstream applications. What if we could generate synthetic bands for existing satellites from the union of all domains? We tackle the problem of generating synthetic spectral imagery for multispectral sensors as an unsupervised image-to-image translation problem with partial labels and introduce a novel shared spectral reconstruction loss. Simulated experiments performed by dropping one or more spectral bands show that cross-domain reconstruction outperforms measurements obtained from a second vantage point. On a downstream cloud detection task, we show that generating synthetic bands with our model improves segmentation performance beyond our baseline. Our proposed approach enables synchronization of multispectral data and provides a basis for more homogeneous remote sensing datasets.
• Abstract（参考訳）: マルチスペクトルセンサーを搭載した地球観測衛星は、大気、陸地、海洋の物理的および生物学的状態を監視するために広く使われている。 これらの衛星は、地球上に異なるヴァンテージポイントを持ち、異なるスペクトルイメージングバンドを持つため、画像の一貫性が損なわれる。 これは下流アプリケーションを構築する際の課題である。 もしすべての領域の連合から既存の衛星のための合成バンドを作れるとしたら? 我々は、部分ラベルを用いた教師なし画像-画像変換問題として、マルチスペクトルセンサの合成スペクトル画像を生成する問題に取り組み、新しい共有スペクトル再構成損失を導入する。 1つ以上のスペクトルバンドを落としてシミュレーション実験を行い、クロスドメイン再構成が第2のバンテージポイントから得られた測定値を上回ることを示した。 下流クラウド検出タスクでは,モデルを用いた合成バンドの生成により,ベースラインを超えてセグメンテーション性能が向上することを示す。 提案手法は,マルチスペクトルデータの同期を可能にし,より均質なリモートセンシングデータセットの基盤を提供する。

関連論文リスト

• Deep Multimodal Fusion for Semantic Segmentation of Remote Sensing Earth Observation Data [0.08192907805418582]
  本稿では,セマンティックセグメンテーションのための後期融合深層学習モデル(LF-DLM)を提案する。 1つのブランチは、UNetFormerがキャプチャした空中画像の詳細なテクスチャと、ViT(Multi-Axis Vision Transformer)バックボーンを統合する。 もう一方のブランチは、U-ViNet(U-TAE)を用いてSentinel-2衛星画像Max時系列から複雑な時間ダイナミクスをキャプチャする。
  論文  参考訳（メタデータ） (2024-10-01T07:50:37Z)
• SATSense: Multi-Satellite Collaborative Framework for Spectrum Sensing [13.456786799919472]
  ローアース・オービター・インターネット(英語版)は最近展開され、地球外のネットワークで世界中にサービスを提供している。 複数の衛星からの多様なデータを利用した協調センシング手法を提案する。 本稿では,効率的なスペクトルセンシングを実現するために,グラフニューラルネットワークに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-24T13:29:57Z)
• SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
  我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。 我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
  論文  参考訳（メタデータ） (2024-03-25T10:30:22Z)
• Rethinking the Up-Sampling Operations in CNN-based Generative Network for Generalizable Deepfake Detection [86.97062579515833]
  我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。 tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。 この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
  論文  参考訳（メタデータ） (2023-12-16T14:27:06Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
  ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2023-04-03T09:42:13Z)
• Towards Transformer-based Homogenization of Satellite Imagery for Landsat-8 and Sentinel-2 [1.4699455652461728]
  Landsat-8(NASA)とSentinel-2(ESA)は、公開データを提供する2つの著名なマルチスペクトルイメージング衛星プロジェクトである。 この研究は、両方の衛星プロジェクトから観測されるスペクトルと空間の差を減らすために、トランスフォーマーベースのモデルを使用する可能性について、一目でわかる。
  論文  参考訳（メタデータ） (2022-10-14T09:13:34Z)
• Unsupervised Discovery of Semantic Concepts in Satellite Imagery with Style-based Wavelet-driven Generative Models [27.62417543307831]
  本稿では,衛星画像の広帯域合成が可能な,最初の事前学習型およびウェーブレット型GANモデルを提案する。 ネットワークの中間的アクティベーションを解析することにより、解釈可能なセマンティックな方向を多数発見できることが示される。
  論文  参考訳（メタデータ） (2022-08-03T14:19:24Z)
• SatMAE: Pre-training Transformers for Temporal and Multi-Spectral Satellite Imagery [74.82821342249039]
  Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。 時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
  論文  参考訳（メタデータ） (2022-07-17T01:35:29Z)
• You Only Need Adversarial Supervision for Semantic Image Synthesis [84.83711654797342]
  我々は,高品質な結果を得るためには敵対的監督のみを必要とする,新しい簡易ganモデルを提案する。 本モデルによって合成された画像はより多様であり,実画像の色やテクスチャに密接に従っている。
  論文  参考訳（メタデータ） (2020-12-08T23:00:48Z)
• Unsupervised Denoising for Satellite Imagery using Wavelet Subband CycleGAN [30.114034122521122]
  ウェーブレットサブバンドサイクル一貫性対向ネットワーク(WavCycleGAN)を用いた衛星画像の教師なしマルチスペクトル復調手法を提案する。 衛星画像センサにおける垂直ストライプと波動ノイズの除去実験の結果,提案手法が効果的にノイズを除去し,衛星画像の重要な高周波特性を保存できることが示されている。
  論文  参考訳（メタデータ） (2020-02-23T07:11:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。