論文の概要: Polar-VQA: Visual Question Answering on Remote Sensed Ice sheet Imagery from Polar Region

• arxiv url: http://arxiv.org/abs/2303.07403v1
• Date: Mon, 13 Mar 2023 18:29:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 17:50:09.912608
• Title: Polar-VQA: Visual Question Answering on Remote Sensed Ice sheet Imagery from Polar Region
• Title（参考訳）: Polar-VQA:極域からのリモートセンシング氷床画像に対する視覚的質問応答
• Authors: Argho Sarkar, Maryam Rahnemoonfar
• Abstract要約: 本稿では,リモートセンシング氷床画像における視覚質問応答(VQA)の課題を紹介する。 このデータセットのすべての画像は4種類の空中レーダーを用いて収集された。 本研究の主な目的は,氷床研究におけるVQAの重要性を明らかにすることである。
• 参考スコア（独自算出の注目度）: 0.38073142980732994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For glaciologists, studying ice sheets from the polar regions is critical. With the advancement of deep learning techniques, we can now extract high-level information from the ice sheet data (e.g., estimating the ice layer thickness, predicting the ice accumulation for upcoming years, etc.). However, a vision-based conversational deep learning approach has not been explored yet, where scientists can get information by asking questions about images. In this paper, we have introduced the task of Visual Question Answering (VQA) on remote-sensed ice sheet imagery. To study, we have presented a unique VQA dataset, Polar-VQA, in this study. All the images in this dataset were collected using four types of airborne radars. The main objective of this research is to highlight the importance of VQA in the context of ice sheet research and conduct a baseline study of existing VQA approaches on Polar-VQA dataset.
• Abstract（参考訳）: 氷河学者にとって極域の氷床の研究は重要である。 深層学習技術の進歩により,氷床データからハイレベルな情報を抽出できるようになった(氷床の厚さ推定,今後数年間の氷の蓄積予測など)。 しかし、視覚に基づく会話型深層学習のアプローチはまだ検討されておらず、研究者は画像について質問することで情報を得ることができる。 本稿では,リモートセンシング氷床画像における視覚質問応答(VQA)の課題について紹介する。 本研究では,この研究において独自のVQAデータセットであるPolar-VQAを提示した。 このデータセットのすべての画像は4種類の空中レーダーを用いて収集された。 本研究の主な目的は、氷床研究におけるVQAの重要性を強調し、ポーラVQAデータセットにおける既存のVQAアプローチのベースライン研究を行うことである。

関連論文リスト

• Surveying the ice condensation period at southern polar Mars using a CNN [0.0]
  本研究は, 畳み込みニューラルネットワーク(CNN)を用いて, 表面における氷凝縮周期を自動解析するものである。 小さな氷のパッチを認識するために訓練されたCNNは、検索を自動化し、大規模なデータセットを分析することができる。 このモデルは、-40degと-60degの間の所定の期間からランダムに選択された171の新しいHiRISE画像で実行され、73155個の小さな画像チャンクを生成した。
  論文  参考訳（メタデータ） (2023-12-23T13:43:24Z)
• UNK-VQA: A Dataset and a Probe into the Abstention Ability of Multi-modal Large Models [55.22048505787125]
  本稿ではUNK-VQAと呼ばれる包括的データセットを提案する。 まず、画像または疑問について意図的に摂動することで、既存のデータを拡大する。 そこで我々は,新たなマルチモーダル大規模モデルのゼロショット性能と少数ショット性能を広範囲に評価した。
  論文  参考訳（メタデータ） (2023-10-17T02:38:09Z)
• Sea Ice Extraction via Remote Sensed Imagery: Algorithms, Datasets, Applications and Challenges [2.1059236061864883]
  レビューは2016年から現在までの論文に焦点が当てられ、過去5年間のディープラーニングベースのアプローチに特に焦点が当てられている。 我々は,従来の画像分割手法,機械学習に基づく手法,ディープラーニングに基づく手法の3つのカテゴリに分類した。 これらの応用は、気候研究、ナビゲーション、地理情報システム(GIS)生産など4つの側面で紹介される。
  論文  参考訳（メタデータ） (2023-06-01T02:50:51Z)
• From Pixels to Objects: Cubic Visual Attention for Visual Question Answering [132.95819467484517]
  近年,注目度に基づく視覚質問応答 (VQA) は,質問を利用して回答に関連する異なる視覚領域をターゲットにすることで大きな成功を収めている。 本稿では、VQAタスクを改善するために、新しいチャネルと空間的注意をオブジェクト領域に適用し、キュービック視覚注意(CVA)モデルを提案する。 実験の結果,提案手法は最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2022-06-04T07:03:18Z)
• REVIVE: Regional Visual Representation Matters in Knowledge-Based Visual Question Answering [75.53187719777812]
  本稿では,知識に基づく視覚的質問応答(VQA)における視覚表現を再考する。 本稿では,対象領域の明示的な情報を活用するための知識に基づく新しいVQA手法REVIVEを提案する。 我々は,新しい最先端性能,すなわち58.0%の精度を実現し,従来の最先端手法を大きなマージンで上回った。
  論文  参考訳（メタデータ） (2022-06-02T17:59:56Z)
• K-VQG: Knowledge-aware Visual Question Generation for Common-sense Acquisition [64.55573343404572]
  K-VQGと呼ばれる新しい知識対応VQGデータセットを提案する。 これは、画像に関する質問が構造化された知識に結びついている最初の大規模で人間の注釈付きデータセットである。 また,質問対象として知識をエンコードし,使用可能な新しいVQGモデルも開発している。
  論文  参考訳（メタデータ） (2022-03-15T13:38:10Z)
• Medical Visual Question Answering: A Survey [55.53205317089564]
  VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。 医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
  論文  参考訳（メタデータ） (2021-11-19T05:55:15Z)
• Knowledge-Routed Visual Question Reasoning: Challenges for Deep Representation Embedding [140.5911760063681]
  VQAモデル評価のためのナレッジルーティング視覚質問推論という新しいデータセットを提案する。 視覚ゲノムシーングラフと外部知識ベースの両方に基づいて,制御プログラムを用いて質問応答対を生成する。
  論文  参考訳（メタデータ） (2020-12-14T00:33:44Z)
• Ice Monitoring in Swiss Lakes from Optical Satellites and Webcams using Machine Learning [16.71718177904522]
  多時間衛星画像 公開されているウェブカメラ画像は、湖氷を監視するための有効なデータソースの一つである。 本研究では,スイスのアルプス湖における氷の量を測定するツールとして,機械学習による画像解析について検討する。 我々は,湖面上の各ピクセルを分類し,空間的に明示的な氷被覆図を得るため,湖氷モニタリングを画素単位のセマンティックセマンティックセグメンテーション問題としてモデル化する。
  論文  参考訳（メタデータ） (2020-10-27T14:02:00Z)
• Deep Tiered Image Segmentation For Detecting Internal Ice Layers in Radar Imagery [8.09102093271587]
  地中レーダーは、雪と氷の内部構造を観測することができる。 近年の研究では、氷と岩盤の境界を見つけるための自動技術が開発されている。 本稿では,階層分割問題の一般的なクラスを解くための新しいディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-08T01:13:03Z)
• Lake Ice Detection from Sentinel-1 SAR with Deep Learning [15.493845481313924]
  本稿では,深層ニューラルネットワークを用いたSentinel-1 Synthetic Aperture Radar(SAR)データの自動解析に基づく湖氷モニタリングシステムを提案する。 氷検出を2クラス(凍結・非凍結)の意味問題とし,最先端の深部畳み込みネットワーク(CNN)を用いて解いた。 2016年-17年-2017年-18年と3回の冬のスイスのアルペン湖について報告した。
  論文  参考訳（メタデータ） (2020-02-17T16:31:41Z)

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。