論文の概要: Scale-aware neural calibration for wide swath altimetry observations

• arxiv url: http://arxiv.org/abs/2302.04497v1
• Date: Thu, 9 Feb 2023 08:46:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-10 16:30:15.253162
• Title: Scale-aware neural calibration for wide swath altimetry observations
• Title（参考訳）: 広帯域高度観測のためのスケールアウェア型ニューラルキャリブレーション
• Authors: Febvre Quentin, Ubelmann Cl\'ement, Le Sommer Julien and Fablet Ronan
• Abstract要約: 海面高度 (SSH) はメソスケールの海面力学を観測・研究するための重要な物理パラメータである。 数十年間、SSH製品の地域規模と世界規模でのマッピングは、ナディル衛星高度計に依存してきた。 表面水と海洋地形(SWOT)ミッションは、SSHの広視野2次元観測を初めて取得する新しいセンサーを配備する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sea surface height (SSH) is a key geophysical parameter for monitoring and studying meso-scale surface ocean dynamics. For several decades, the mapping of SSH products at regional and global scales has relied on nadir satellite altimeters, which provide one-dimensional-only along-track satellite observations of the SSH. The Surface Water and Ocean Topography (SWOT) mission deploys a new sensor that acquires for the first time wide-swath two-dimensional observations of the SSH. This provides new means to observe the ocean at previously unresolved spatial scales. A critical challenge for the exploiting of SWOT data is the separation of the SSH from other signals present in the observations. In this paper, we propose a novel learning-based approach for this SWOT calibration problem. It benefits from calibrated nadir altimetry products and a scale-space decomposition adapted to SWOT swath geometry and the structure of the different processes in play. In a supervised setting, our method reaches the state-of-the-art residual error of ~1.4cm while proposing a correction on the entire spectral from 10km to 1000k
• Abstract（参考訳）: 海面高度(SSH)はメソスケールの海面力学をモニタリングし研究するための重要な物理パラメータである。 数十年間、地域規模と世界規模でのSSH製品のマッピングは、SSHの1次元のみの衛星観測を提供するナディル衛星高度計に依存してきた。 表面水と海洋地形(SWOT)ミッションは、SSHの広視野2次元観測を初めて取得する新しいセンサーを配備する。 これにより、未解決の空間スケールで海洋を観測する新たな手段が提供される。 SWOTデータを利用する上で重要な課題は、SSHを観測中の他の信号から分離することである。 本稿では,このSWOT校正問題に対する学習に基づく新しいアプローチを提案する。 キャリブレーションされたナディアの高度積と、SWOTのスワスト幾何学や様々なプロセスの構造に適応したスケール空間分解の恩恵を受ける。 教師付き設定では、10kmから1000kまでのスペクトル全体を補正しながら、最先端の残留誤差~1.4cmに達する。

関連論文リスト

• Multi-scale decomposition of sea surface height snapshots using machine learning [2.8199464352308143]
  我々は、海面高度(SSH)を平衡運動と非平衡運動(BMとUBM)の寄与に分解する。 この分解は、SSHを前例のない空間分解能で測定する新しいSWOT衛星にとって特に重要である。 深層学習(DL)アプローチを用いたいくつかの研究は、この分解を画像から画像への変換タスクとして扱うことを約束しているが、これらのモデルは幅広い空間スケールでうまく機能しない。 ゼロ位相成分分析(ZCA)の白化とデータ拡張により,これらの課題に対処できることを示す。
  論文  参考訳（メタデータ） (2024-09-11T20:38:54Z)
• Generative Diffusion Model-based Downscaling of Observed Sea Surface Height over Kuroshio Extension since 2000 [11.444439142505756]
  本研究では,高分解能海面高度解析データをトレーニングするための最先端な生成拡散モデルを提案する。 このモデルは、約12kmの波長に対応する0.25oの解像度から1/16oまでの生衛星補間データを効果的にダウンスケールする。 以上の結果から,2004年以降の黒潮拡張地域では,250km未満の水平スケールでの渦運動エネルギーが著しく増加したことが示唆された。
  論文  参考訳（メタデータ） (2024-08-22T13:26:19Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• Learning of Sea Surface Height Interpolation from Multi-variate Simulated Satellite Observations [0.0]
  我々は、このデータに基づいてAttention-Based-Decoderディープラーニングネットワーク(textscabed)をトレーニングする。 SST情報の有無にかかわらず、教師付きまたは教師なしの損失関数を用いて、AbeD再建の評価を行った。 オーシャンデータチャレンジ2021の実際のSSH観測から、この学習戦略とSSTの併用により、OIと比較してルート平均2乗誤差が24%減少することがわかった。
  論文  参考訳（メタデータ） (2023-10-11T16:09:09Z)
• Towards Spatial Equilibrium Object Detection [88.9747319572368]
  本稿では,現代物体検出器の空間的不平衡問題について考察する。 本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。 これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
  論文  参考訳（メタデータ） (2023-01-14T17:33:26Z)
• Inversion of sea surface currents from satellite-derived SST-SSH synergies with 4DVarNets [32.84891435899833]
  老化のダイナミクスは,100km以下の水平スケールと10日以下の時間スケールにおいて重要であることが期待される。 ここでは、観測された海面トレーサ間の相乗効果をよりよく活用するための学習に基づくスキームについて検討する。 具体的には、4DVarNetスキームを開発し、トレーニング可能な観測値と変分データ同化の定式化を利用する。
  論文  参考訳（メタデータ） (2022-11-23T15:53:54Z)
• DeepWSD: Projecting Degradations in Perceptual Space to Wasserstein Distance in Deep Feature Space [67.07476542850566]
  本稿では,統計的分布の観点から知覚空間の品質劣化をモデル化する。 品質は、深い特徴領域におけるワッサーシュタイン距離に基づいて測定される。 ニューラルネットワークの特徴に基づいて実行されるディープワッサースタイン距離(ディープWSD)は、品質汚染のより良い解釈性をもたらす。
  論文  参考訳（メタデータ） (2022-08-05T02:46:12Z)
• Tensor Decompositions for Hyperspectral Data Processing in Remote Sensing: A Comprehensive Review [85.36368666877412]
  ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。 近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。 3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
  論文  参考訳（メタデータ） (2022-05-13T00:39:23Z)
• Learning Where to Learn in Cross-View Self-Supervised Learning [54.14989750044489]
  自己教師付き学習(SSL)は大きな進歩を遂げ、教師付き学習との大きなギャップを狭めた。 現在の方法では、埋め込みにピクセルの統一的なアグリゲーションを採用する。 本稿では,特徴の空間情報を適応的に集約する学習方法であるLearning Where to Learn(LEWEL)を提案する。
  論文  参考訳（メタデータ） (2022-03-28T17:02:42Z)
• ETH-XGaze: A Large Scale Dataset for Gaze Estimation under Extreme Head Pose and Gaze Variation [52.5465548207648]
  ETH-XGazeは100万以上の高解像度画像からなる新しい視線推定データセットである。 我々のデータセットは、異なる頭部ポーズと視線角度で視線推定手法のロバスト性を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2020-07-31T04:15:53Z)
• Filtering Internal Tides From Wide-Swath Altimeter Data Using Convolutional Neural Networks [9.541153192112194]
  本稿では畳み込みニューラルネットワーク(ConvNets)を用いて、内潮信号のないフィールドを推定する。 また,海面温度(SST)などの他の海面変数からの追加データについても検討した。
  論文  参考訳（メタデータ） (2020-05-03T14:02:31Z)

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。