論文の概要: Change Detection for Geodatabase Updating

• arxiv url: http://arxiv.org/abs/2106.14309v1
• Date: Sun, 27 Jun 2021 18:35:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 17:51:17.575738
• Title: Change Detection for Geodatabase Updating
• Title（参考訳）: ジオデータベース更新における変更検出
• Authors: Rongjun Qin
• Abstract要約: ジオデータベースを効率的かつ経済的に更新することは、地理空間産業の根本的で実践的な問題である。 1つの解決策は、(ベクトル化された)地理空間データ生成のためのより自動化された方法を開発することである。 本稿では,リモートセンシングとジオマティクスの分野における最先端の変更検出手法の概要について述べる。
• 参考スコア（独自算出の注目度）: 1.2691047660244335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The geodatabase (vectorized data) nowadays becomes a rather standard digital city infrastructure; however, updating geodatabase efficiently and economically remains a fundamental and practical issue in the geospatial industry. The cost of building a geodatabase is extremely high and labor intensive, and very often the maps we use have several months and even years of latency. One solution is to develop more automated methods for (vectorized) geospatial data generation, which has been proven a difficult task in the past decades. An alternative solution is to first detect the differences between the new data and the existing geospatial data, and then only update the area identified as changes. The second approach is becoming more favored due to its high practicality and flexibility. A highly relevant technique is change detection. This article aims to provide an overview the state-of-the-art change detection methods in the field of Remote Sensing and Geomatics to support the task of updating geodatabases. Data used for change detection are highly disparate, we therefore structure our review intuitively based on the dimension of the data, being 1) change detection with 2D data; 2) change detection with 3D data. Conclusions will be drawn based on the reviewed efforts in the field, and we will share our outlooks of the topic of updating geodatabases.
• Abstract（参考訳）: 現在では、ジオデータベース(vectorized data)は、かなり標準的なデジタル都市インフラとなっているが、地理的データベースの効率的かつ経済的更新は、地理空間産業における基本的かつ実用的な問題である。 ジオデータベース構築のコストは非常に高く、労力がかかります。 ひとつの解決策は、(vectorized)地理空間データ生成のためのより自動化された方法を開発することである。 別の解決策は、まず新しいデータと既存の地理空間データの違いを検出し、次に変更として特定された領域だけを更新する。 第二のアプローチは、高い実用性と柔軟性のために、より好まれている。 非常に関連する技術は変化検出である。 本稿では、ジオデータベース更新作業を支援するために、リモートセンシングとジオマティクスの分野における最先端の変更検出手法の概要を提供する。 変化検出に用いるデータは高度に異なっており, 2次元データによる変化検出, 2次元データによる変化検出, 3次元データによる変化検出など, データの次元に基づいて直感的にレビューを構成する。 結論は、この分野におけるレビューされた取り組みに基づいて策定され、ジオデータベースの更新に関する我々の展望を共有します。

関連論文リスト

• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• K2: A Foundation Language Model for Geoscience Knowledge Understanding and Utilization [105.89544876731942]
  大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。 我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
  論文  参考訳（メタデータ） (2023-06-08T09:29:05Z)
• Improving Toponym Resolution with Better Candidate Generation, Transformer-based Reranking, and Two-Stage Resolution [30.855736793066406]
  ジオコーディング(Geocoding)は、テキスト中の位置参照を地理空間意味論を符号化する構造化データに変換するタスクである。 我々はジオコーディングのための新しいアーキテクチャGeoNormを提案する。 提案手法は,複数データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-05-18T21:52:48Z)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• Leveraging Domain Adaptation for Low-Resource Geospatial Machine Learning [0.0]
  多くのラベル付き地理空間データセットは特定の地域、楽器、極端な気象イベントに特化している。 提案した複数の地理空間ベンチマークに対する最新のドメイン適応の適用について検討する。
  論文  参考訳（メタデータ） (2021-07-11T06:47:20Z)
• Are We There Yet? Evaluating State-of-the-Art Neural Network based Geoparsers Using EUPEG as a Benchmarking Platform [2.8935588665357077]
  2019年6月、ジオパーシングコンペティション「Toponym Resolution in Scientific Papers」が開催された。 優勝チームは、優れたパフォーマンスを達成するニューラルネットワークベースのジオパーサーを開発した。 本研究は、最近開発されたベンチマークプラットフォームEUPEGを用いて、これらの最先端ジオパーサの体系的評価を行う。
  論文  参考訳（メタデータ） (2020-07-15T03:13:15Z)

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。