Fugu-MT 論文翻訳(概要): NightVision: Generating Nighttime Satellite Imagery from Infra-Red Observations

論文の概要: NightVision: Generating Nighttime Satellite Imagery from Infra-Red Observations

arxiv url: http://arxiv.org/abs/2011.07017v2
Date: Tue, 8 Dec 2020 15:43:52 GMT
ステータス: 処理完了
システム内更新日: 2022-09-25 23:54:27.084655
Title: NightVision: Generating Nighttime Satellite Imagery from Infra-Red Observations
Title（参考訳）: 暗視:赤外観測から夜間衛星画像を生成する
Authors: Paula Harder, William Jones, Redouane Lguensat, Shahine Bouabid, James Fulton, D\'anell Quesada-Chac\'on, Aris Marcolongo, Sofija Stefanovi\'c, Yuhan Rao, Peter Manshausen, Duncan Watson-Parris
Abstract要約: この研究は、U-Netベースのアーキテクチャを用いて、深層学習をうまく適用して可視画像を作成する方法を示す。提案手法は, 構造類似度指標(SSIM)を独立テストセットで最大86%達成し, 有望な結果を示す。
参考スコア（独自算出の注目度）: 0.6127835361805833
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The recent explosion in applications of machine learning to satellite imagery often rely on visible images and therefore suffer from a lack of data during the night. The gap can be filled by employing available infra-red observations to generate visible images. This work presents how deep learning can be applied successfully to create those images by using U-Net based architectures. The proposed methods show promising results, achieving a structural similarity index (SSIM) up to 86\% on an independent test set and providing visually convincing output images, generated from infra-red observations.
Abstract（参考訳）: 最近の衛星画像への機械学習の応用の爆発は、しばしば可視画像に依存しているため、夜間にデータが不足している。このギャップは、可視画像を生成するために利用可能な赤外線観測を使用することで埋めることができる。この研究は、U-Netベースのアーキテクチャを用いて、ディープラーニングをうまく適用して画像を作成する方法を示す。提案手法は, 独立テストセット上で最大86\%の構造類似性指数(ssim)を達成し, 赤外線観測から得られた視覚的に説得力のある出力画像を提供する。

関連論文リスト

Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。地上画像ごとに正の衛星画像と負の衛星画像を導き出す。また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文参考訳（メタデータ） (2024-09-10T12:57:16Z)
Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
論文参考訳（メタデータ） (2024-08-25T13:59:31Z)
Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
論文参考訳（メタデータ） (2023-07-09T08:29:19Z)
Detecting Images Generated by Diffusers [12.986394431694206]
MSCOCOとWikimediaのデータセットのキャプションから生成された画像は、安定拡散とGLIDEの2つの最先端モデルを用いて検討する。実験の結果, 単純なマルチ層パーセプトロンを用いて生成した画像を検出することができることがわかった。関連したテキスト情報を画像に組み込むと、検出結果が大幅に改善されることは滅多にない。
論文参考訳（メタデータ） (2023-03-09T14:14:29Z)
Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
論文参考訳（メタデータ） (2022-05-24T23:29:04Z)
Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-01-10T03:12:52Z)
Creating synthetic meteorology satellite visible light images during night based on GAN method [0.0]
夜間に合成衛星可視光画像を作成するための深層学習に基づく手法を提案する。具体的には,GAN(Generative Adversarial Networks)モデルを用いて,可視光画像を生成する。 ECMWF NWP製品とFY-4A気象衛星可視光および赤外チャネル日時に基づく実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2021-07-21T16:05:26Z)
Generation of the NIR spectral Band for Satellite Images with Convolutional Neural Networks [0.0]
ディープニューラルネットワークは、画像の着色問題など、人工的なスペクトル情報を生成することができる。我々は,高解像度衛星画像のRGBチャネルのみを用いて,NIR帯域生成作業におけるGAN(Generative Adversarial Network)アプローチについて検討した。
論文参考訳（メタデータ） (2021-06-13T15:14:57Z)
Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
論文参考訳（メタデータ） (2020-08-26T15:02:04Z)
The color out of space: learning self-supervised representations for Earth Observation imagery [10.019106184219515]
衛星画像から有意義な表現を学習し、その高次元スペクトル帯域を利用して可視色を再構成する。我々は,土地被覆分類(BigEarthNet)と西ナイルウイルス検出(West Nile Virus detection)について実験を行い,着色が特徴抽出器を訓練するための確固とした前提条件であることを示した。
論文参考訳（メタデータ） (2020-06-22T10:21:36Z)
Translating multispectral imagery to nighttime imagery via conditional generative adversarial networks [24.28488767429697]
本研究では,マルチスペクトル画像から夜間画像への変換における条件付きジェネレーティブ・アドバイサル・ネットワーク(cGAN)の可能性について検討する。一般的なcGANフレームワークであるpix2pixが採用され、この翻訳を容易にするために修正された。追加のソーシャルメディアデータにより、生成された夜間画像は、地上の真実の画像と非常によく似ている。
論文参考訳（メタデータ） (2019-12-28T03:20:29Z)

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。