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
- Unsupervised Learning of Sea Surface Height Interpolation from
Multi-variate Simulated Satellite Observations [0.0]
本研究では,海面温度(SST)情報を利用する深層学習ネットワークと,2つの設定でトレーニング可能な学習ネットワークを導入する。
我々は,SSH再建の質を評価し,エジィ検出と物理的特性の観点からネットワークの性能を評価する。
論文 参考訳(メタデータ) (2023-10-11T16:09:09Z) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳(メタデータ) (2023-06-16T17:35:11Z) - SHS-Net: Learning Signed Hyper Surfaces for Oriented Normal Estimation
of Point Clouds [54.89855828917265]
我々は,符号付きハイパー曲面の学習による点雲の向きの正規分布推定のためのSHS-Netと呼ばれる新しい手法を提案する。
我々のSHS-Netは、広く使用されているベンチマークにおいて、非オブジェクト指向とオブジェクト指向の正規推定の両方において最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-05-10T03:40:25Z) - 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) - Joint calibration and mapping of satellite altimetry data using
trainable variational models [4.506463422216017]
非校正データから校正演算子と補間器を共同で学習するために、データ駆動の変分データ同化フレームワークがいかに使用できるかを示す。
提案したフレームワークは、運用上の最先端マッピングパイプラインを大幅に上回っている。
論文 参考訳(メタデータ) (2021-10-07T12:48:27Z) - 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。