論文の概要: Sparsity-driven Digital Terrain Model Extraction
- arxiv url: http://arxiv.org/abs/2012.08639v1
- Date: Mon, 7 Dec 2020 12:29:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:11:43.532717
- Title: Sparsity-driven Digital Terrain Model Extraction
- Title(参考訳): 空間駆動型デジタル地形モデル抽出
- Authors: Fatih Nar, Erdal Yilmaz, Gustau Camps-Valls
- Abstract要約: 提案する空間駆動型DTM抽出器 (SD-DTM) は,高分解能DSMを入力として,高分解能DTMを構築する。
提案手法の有効性と有効性は,図形地形の残差プロットを通して視覚的かつ定量的に示す。
- 参考スコア(独自算出の注目度): 9.047481061114649
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We here introduce an automatic Digital Terrain Model (DTM) extraction method.
The proposed sparsity-driven DTM extractor (SD-DTM) takes a high-resolution
Digital Surface Model (DSM) as an input and constructs a high-resolution DTM
using the variational framework. To obtain an accurate DTM, an iterative
approach is proposed for the minimization of the target variational cost
function. Accuracy of the SD-DTM is shown in a real-world DSM data set. We show
the efficiency and effectiveness of the approach both visually and
quantitatively via residual plots in illustrative terrain types.
- Abstract(参考訳): 本稿では,DTM(Digital Terrain Model)の自動抽出手法を提案する。
提案する空間駆動型DTM抽出器 (SD-DTM) は,高分解能DSMを入力として,高分解能DTMを構築する。
正確なdtmを得るために, 目標変動コスト関数の最小化のための反復的手法を提案する。
SD-DTMの精度を実世界のDSMデータセットに示す。
提案手法の有効性と有効性は,図形地形の残留プロットを通して視覚的かつ定量的に示す。
関連論文リスト
- A Discriminative Bayesian Gaussian Process Latent Variable Model for
High-Dimensional Data [0.0]
ガウス過程(GP)を利用して高次元データを特徴付ける新しい非パラメトリックモデリング手法を提案する。
このモデルはLDGD(Latent Discrimi Generative Decoder)と呼ばれ、多様体発見プロセスにおいてデータ(またはその特徴)と関連するラベル(カテゴリや刺激など)の両方を利用する。
LDGDはその多様体を正確に推定するだけでなく、予測ラベルの予測精度は最先端のアプローチを上回る。
論文 参考訳(メタデータ) (2024-01-29T19:11:03Z) - Images in Discrete Choice Modeling: Addressing Data Isomorphism in
Multi-Modality Inputs [77.54052164713394]
本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。
本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
論文 参考訳(メタデータ) (2023-12-22T14:33:54Z) - SIRAN: Sinkhorn Distance Regularized Adversarial Network for DEM
Super-resolution using Discriminative Spatial Self-attention [5.178465447325005]
DEM(Digital Elevation Model)は、リモートセンシング領域において、表面標高情報に関連するさまざまなアプリケーションを分析し、探索するための重要な側面である。
本研究では,高分解能マルチスペクトル(MX)衛星画像を用いた高分解能DEMの生成について検討する。
本稿では,Sinkhorn 距離を従来の GAN に最適化することで,対角学習の安定性を向上する目的関数を提案する。
論文 参考訳(メタデータ) (2023-11-27T12:03:22Z) - Generative Modeling with Phase Stochastic Bridges [52.919600985186996]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳(メタデータ) (2023-10-11T18:38:28Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - Dynamic Mode Decomposition for data-driven analysis and reduced-order
modelling of ExB plasmas: I. Extraction of spatiotemporally coherent patterns [3.203036813451742]
データ駆動解析とプラズマ力学の低次モデリングのための動的モード分解(DMD)アルゴリズムの一般性を評価する。
論文 参考訳(メタデータ) (2023-08-26T01:37:52Z) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳(メタデータ) (2023-03-16T17:52:45Z) - DBT-DMAE: An Effective Multivariate Time Series Pre-Train Model under
Missing Data [16.589715330897906]
MTSはデータ不足に悩まされ、下流のタスクが劣化または崩壊する。
本稿では,MTSプレトレインモデルについて述べる。
-DMAE、上記の障害を克服する。
論文 参考訳(メタデータ) (2022-09-16T08:54:02Z) - DR-DSGD: A Distributionally Robust Decentralized Learning Algorithm over
Graphs [54.08445874064361]
本稿では,分散環境下での正規化された分散ロバストな学習問題を解くことを提案する。
Kullback-Liebler正規化関数をロバストなmin-max最適化問題に追加することにより、学習問題を修正されたロバストな問題に還元することができる。
提案アルゴリズムは, 最低分布検定精度を最大10%向上できることを示す。
論文 参考訳(メタデータ) (2022-08-29T18:01:42Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳(メタデータ) (2021-04-28T22:14:25Z) - A Nonconvex Low-Rank Tensor Completion Model for Spatiotemporal Traffic
Data Imputation [13.48205738743634]
様々なセンサシステムから収集された時空間トラフィックデータには,データ計算の欠如が一般的である。
本稿では,各変数に対する最適解を求めるアルゴリズムを提案する。
提案したモデルは、他のベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2020-03-23T13:27:01Z)
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。