論文の概要: CloudFindr: A Deep Learning Cloud Artifact Masker for Satellite DEM Data
- arxiv url: http://arxiv.org/abs/2110.13819v1
- Date: Tue, 26 Oct 2021 16:15:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-27 15:16:08.926874
- Title: CloudFindr: A Deep Learning Cloud Artifact Masker for Satellite DEM Data
- Title（参考訳）: CloudFindr:衛星DEMデータのためのディープラーニングクラウドアーティファクトマスク
- Authors: Kalina Borkiewicz, Viraj Shah, J.P. Naiman, Chuanyue Shen, Stuart
Levy, Jeff Carpenter
- Abstract要約: 衛星画像からアーティファクトを除去するクラウドアーティファクトマスクを作成する方法について述べる。
従来の手法と比較して,本手法はマルチチャンネルのスペクトル画像を必要としないが,DEM(シングルチャンネルディジタル標高モデル)でうまく機能する。
DEMは地球の地形の表現であり、惑星科学、地質学、洪水モデリング、都市計画など様々な応用がある。
- 参考スコア（独自算出の注目度）: 2.586482458060451
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artifact removal is an integral component of cinematic scientific
visualization, and is especially challenging with big datasets in which
artifacts are difficult to define. In this paper, we describe a method for
creating cloud artifact masks which can be used to remove artifacts from
satellite imagery using a combination of traditional image processing together
with deep learning based on U-Net. Compared to previous methods, our approach
does not require multi-channel spectral imagery but performs successfully on
single-channel Digital Elevation Models (DEMs). DEMs are a representation of
the topography of the Earth and have a variety applications including planetary
science, geology, flood modeling, and city planning.
- Abstract（参考訳）: アーティファクトの除去は、映画の科学的な視覚化に不可欠な要素であり、特にアーティファクトの定義が難しいビッグデータでは難しい。
本稿では,従来の画像処理とu-netに基づくディープラーニングを組み合わせて,衛星画像からアーティファクトを除去するためのクラウドアーティファクトマスクの作成手法について述べる。
従来の手法と比較して,本手法はマルチチャンネルスペクトル画像を必要としないが,シングルチャンネルディジタル標高モデル(DEM)ではうまく機能する。
DEMは地球の地形の表現であり、惑星科学、地質学、洪水モデリング、都市計画など様々な応用がある。
関連論文リスト
- DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。
提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
論文 参考訳（メタデータ） (2023-12-06T16:53:17Z) - CLiSA: A Hierarchical Hybrid Transformer Model using Orthogonal Cross
Attention for Satellite Image Cloud Segmentation [5.178465447325005]
ディープラーニングアルゴリズムは画像セグメンテーション問題を解決するための有望なアプローチとして登場してきた。
本稿では,Lipschitz Stable Attention NetworkによるCLiSA - Cloudセグメンテーションという,効果的なクラウドマスク生成のためのディープラーニングモデルを提案する。
Landsat-8, Sentinel-2, Cartosat-2sを含む複数の衛星画像データセットの質的および定量的な結果を示す。
論文 参考訳（メタデータ） (2023-11-29T09:31:31Z) - Large-scale Weakly Supervised Learning for Road Extraction from
Satellite Imagery [9.28701721082481]
本稿では,OpenStreetMapの道路データを弱いラベルや大規模衛星画像として活用して,事前学習セマンティックセグメンテーションモデルを提案する。
私たちのモデルは、広く使われているDeepGlobeロードデータセットの最大100倍のデータを使用し、現在のDeepGlobeリーダーボードのトップパフォーマーを超えています。
論文 参考訳（メタデータ） (2023-09-14T16:16:57Z) - Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。
提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。
本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
論文 参考訳（メタデータ） (2022-03-18T01:42:59Z) - Sci-Net: a Scale Invariant Model for Building Detection from Aerial
Images [0.0]
本研究では,空間分解能の異なる空間画像に存在している建物を分割できるスケール不変ニューラルネットワーク(Sci-Net)を提案する。
具体的には,U-Netアーキテクチャを改良し,それを高密度なASPP(Atrous Space Pyramid Pooling)で融合し,微細なマルチスケール表現を抽出した。
論文 参考訳（メタデータ） (2021-11-12T16:45:20Z) - DeepMultiCap: Performance Capture of Multiple Characters Using Sparse
Multiview Cameras [63.186486240525554]
deep multicapは、スパースマルチビューカメラを用いたマルチパーソンパフォーマンスキャプチャのための新しい手法である。
本手法では,事前走査型テンプレートモデルを用いることなく,時間変化した表面の詳細をキャプチャできる。
論文 参考訳（メタデータ） (2021-05-01T14:32:13Z) - Non-Homogeneous Haze Removal via Artificial Scene Prior and
Bidimensional Graph Reasoning [52.07698484363237]
本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。
本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
論文 参考訳（メタデータ） (2021-04-05T13:04:44Z) - Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。
エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。
本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
論文 参考訳（メタデータ） (2020-10-29T14:46:05Z) - Flood Extent Mapping based on High Resolution Aerial Imagery and DEM: A
Hidden Markov Tree Approach [10.72081512622396]
本稿では,高分解能空中画像のケーススタディにより,提案した地理的隠れマルコフ木モデルを評価する。
2016年のハリケーン・マシューの洪水で、ノースカロライナ州グリムズランド市とキンストン市の近くで、3つのシーンが植林された洪水原で選ばれた。
その結果,提案した隠れマルコフ木モデルは,機械学習アルゴリズムのいくつかの状態よりも優れていた。
論文 参考訳（メタデータ） (2020-08-25T18:35:28Z) - Boundary Regularized Building Footprint Extraction From Satellite Images
Using Deep Neural Network [6.371173732947292]
本稿では,1つの衛星画像から構築事例を共同で検出し,ノイズの多い建物の境界形状を規則化する,新しいディープニューラルネットワークを提案する。
本モデルでは,オブジェクトの局所化,認識,セマンティックラベリング,幾何学的形状抽出を同時に行うことができる。
論文 参考訳（メタデータ） (2020-06-23T17:24:09Z) - 3D Photography using Context-aware Layered Depth Inpainting [50.66235795163143]
本稿では、1枚のRGB-D入力画像を3D写真に変換する方法を提案する。
学習に基づく着色モデルでは,新しい局所的な色と深度を隠蔽領域に合成する。
結果の3D写真は、モーションパララックスで効率よくレンダリングできる。
論文 参考訳（メタデータ） (2020-04-09T17:59:06Z)
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。