Fugu-MT 論文翻訳(概要): Attention-Based Scattering Network for Satellite Imagery

論文の概要: Attention-Based Scattering Network for Satellite Imagery

arxiv url: http://arxiv.org/abs/2210.12185v1
Date: Fri, 21 Oct 2022 18:25:34 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 13:09:25.376939
Title: Attention-Based Scattering Network for Satellite Imagery
Title（参考訳）: 衛星画像のための注意に基づく散乱ネットワーク
Authors: Jason Stock and Chuck Anderson
Abstract要約: 我々は、この散乱を利用して、訓練可能なパラメータを追加せずに高レベルの特徴を抽出する。実験では、熱帯性サイクロンの強度を推定し、衛星画像から雷の発生を予測する有望な結果を示した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Multi-channel satellite imagery, from stacked spectral bands or spatiotemporal data, have meaningful representations for various atmospheric properties. Combining these features in an effective manner to create a performant and trustworthy model is of utmost importance to forecasters. Neural networks show promise, yet suffer from unintuitive computations, fusion of high-level features, and may be limited by the quantity of available data. In this work, we leverage the scattering transform to extract high-level features without additional trainable parameters and introduce a separation scheme to bring attention to independent input channels. Experiments show promising results on estimating tropical cyclone intensity and predicting the occurrence of lightning from satellite imagery.
Abstract（参考訳）: 重畳されたスペクトル帯や時空間データから得られた多チャンネル衛星画像は、様々な大気特性に有意義な表現を持つ。これらの特徴を効果的に組み合わせてパフォーマンスと信頼性のあるモデルを作成することは、予測者にとって非常に重要である。ニューラルネットワークは有望でありながら、直感的な計算やハイレベルな機能の融合に苦しんでおり、利用可能なデータ量によって制限される可能性がある。本研究では,散乱変換を利用して,学習可能なパラメータを付加することなく高レベルな特徴を抽出し,独立した入力チャネルに注意を向けるための分離スキームを導入する。実験では、熱帯性サイクロンの強度を推定し、衛星画像から雷の発生を予測する有望な結果を示した。

関連論文リスト

SRViT: Vision Transformers for Estimating Radar Reflectivity from Satellite Observations at Scale [0.7499722271664147]
静止衛星画像から高分解能(3km)合成レーダ反射率場を大規模に生成するトランスフォーマーベースニューラルネットワークを提案する。本研究は,アメリカ合衆国における気象事象の短期的対流予測の強化と数値天気予報のためのデータ同化の支援を目的とする。
論文参考訳（メタデータ） (2024-06-20T20:40:50Z)
Synergistic Integration of Coordinate Network and Tensorial Feature for Improving Neural Radiance Fields from Sparse Inputs [26.901819636977912]
本稿では,低周波信号に対する強いバイアスで知られる座標ネットワークと多面表現を統合する手法を提案する。提案手法は,スパース入力を持つ静的および動的NeRFのベースラインモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2024-05-13T15:42:46Z)
SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文参考訳（メタデータ） (2024-03-25T10:30:22Z)
Fusion of Single and Integral Multispectral Aerial Images [1.6317061277457001]
複数の入力チャネルからの最も重要な有能な情報を適切に融合することは、多くの空中撮像作業に不可欠である。本稿では,従来の空中画像と統合的空中画像との最も重要な特徴を融合するための,第1および第2次ハイブリッドアーキテクチャを提案する。本研究では,探索・救助,山火事検出,野生生物観測の例を示す。
論文参考訳（メタデータ） (2023-11-29T10:38:42Z)
Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文参考訳（メタデータ） (2023-08-31T16:26:17Z)
ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文参考訳（メタデータ） (2023-07-26T07:45:14Z)
Unsupervised Discovery of Semantic Concepts in Satellite Imagery with Style-based Wavelet-driven Generative Models [27.62417543307831]
本稿では,衛星画像の広帯域合成が可能な,最初の事前学習型およびウェーブレット型GANモデルを提案する。ネットワークの中間的アクティベーションを解析することにより、解釈可能なセマンティックな方向を多数発見できることが示される。
論文参考訳（メタデータ） (2022-08-03T14:19:24Z)
SatMAE: Pre-training Transformers for Temporal and Multi-Spectral Satellite Imagery [74.82821342249039]
Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
論文参考訳（メタデータ） (2022-07-17T01:35:29Z)
ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文参考訳（メタデータ） (2022-05-16T04:24:22Z)
Single Image Deraining via Scale-space Invariant Attention Neural Network [58.5284246878277]
我々は,カメラに対するレインステーキの外観の視覚的変化に対処するスケールの概念に取り組む。本稿では,画素領域よりもコンパクトでロバストな畳み込み特徴領域のマルチスケール相関を表現することを提案する。このようにして、機能マップの最も活発な存在を、有能な特徴として要約する。
論文参考訳（メタデータ） (2020-06-09T04:59:26Z)
Development and Interpretation of a Neural Network-Based Synthetic Radar Reflectivity Estimator Using GOES-R Satellite Observations [0.02578242050187029]
本研究は,降雨時のGOES-Rシリーズ観測を再現する技術を開発することを目的とする。畳み込みニューラルネットワーク(CNN)は、GOES-Rラジダスと雷を合成レーダー反射場に変換するために開発された。
論文参考訳（メタデータ） (2020-04-16T19:57:00Z)

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。