Fugu-MT 論文翻訳(概要): Sparsity-driven Digital Terrain Model Extraction

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

DMT-HI: MOE-based Hyperbolic Interpretable Deep Manifold Transformation for Unspervised Dimensionality Reduction [47.4136073281818]
データ工学や可視化など,さまざまな分野において,次元性低減(DR)が重要な役割を担っている。 DR精度と解釈可能性のバランスをとるという課題は、特に高次元データを扱うユーザにとって依然として重要である。本研究は,MOEに基づくハイパーボリック・インタプリタブル・ディープ・マニフォールド変換(DMT-HI)を紹介する。
論文参考訳（メタデータ） (2024-10-25T12:11:32Z)
Parsimonious Dynamic Mode Decomposition: A Robust and Automated Approach for Optimally Sparse Mode Selection in Complex Systems [0.40964539027092917]
本稿では,Parsimonious Dynamic Mode Decomposition (parsDMD)を紹介する。 ParsDMDは、時間的および純粋に時間的データの両方に対して最適にスパースされた動的モードのサブセットを自動選択するように設計された新しいアルゴリズムである。定在波信号、隠れ力学の同定、流体力学シミュレーション、大気表面温度(SST)データなど、さまざまなデータセットで検証されている。
論文参考訳（メタデータ） (2024-10-22T03:00:11Z)
Traffic Matrix Estimation based on Denoising Diffusion Probabilistic Model [8.111468635365258]
本稿では分散確率モデル(DDPM)を分散学習に活用する。我々は,各ODフローのデータバラツキを維持しつつ,TMの次元を小さくする前処理モジュールを設計する。 DDPMの雑音要因をパラメータ化し,TME問題を勾配差最適化問題に変換する。
論文参考訳（メタデータ） (2024-10-21T07:34:17Z)
RADAR: Robust Two-stage Modality-incomplete Industrial Anomaly Detection [61.71770293720491]
本稿では,2段階のロバスト・モードアリティ不完全融合とFlaAmewoRkの検出について提案する。我々のブートストラッピング哲学は、MIIADの2段階を強化し、マルチモーダルトランスの堅牢性を向上させることである。実験の結果,提案手法は従来のMIAD法よりも有効性とロバスト性に優れていた。
論文参考訳（メタデータ） (2024-10-02T16:47:55Z)
Efficient Terrain Stochastic Differential Efficient Terrain Stochastic Differential Equations for Multipurpose Digital Elevation Model Restoration [0.5735035463793009]
効率的な測地微分方程式(ET-SDE)は、SDE進行によるDEM劣化をモデル化し、シミュレーションされた反転過程を通じて復元する。実験により, ET-SDEは高精細度, 空隙充填, 遮音, およびそれらの組み合わせにおいて, 最先端の作業と比較して高い競争力を発揮することが示された。
論文参考訳（メタデータ） (2024-07-02T03:13:34Z)
Entropic Regression DMD (ERDMD) Discovers Informative Sparse and Nonuniformly Time Delayed Models [0.0]
エントロピー回帰を用いた最適多段階動的モード分解モデルを決定する手法を提案する。非一様時間空間を実現するために,高忠実度時間遅延MDDモデルを生成する手法を開発した。これらのモデルは、非常に効率的で堅牢であることが示されている。
論文参考訳（メタデータ） (2024-06-17T20:02:43Z)
A Bayesian Gaussian Process-Based Latent Discriminative Generative Decoder (LDGD) Model for High-Dimensional Data [0.41942958779358674]
潜在判別生成デコーダ(LDGD)は、多様体発見過程において、データと関連するラベルの両方を用いる。 LDGDは,データサイズに制限のあるシナリオに対して,多様体を頑健に推論し,正確にラベルを予測することができることを示す。
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)
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)
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)

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。