Fugu-MT 論文翻訳(概要): Lumos in the Night Sky: AI-enabled Visual Tool for Exploring Night-Time Light Patterns

論文の概要: Lumos in the Night Sky: AI-enabled Visual Tool for Exploring Night-Time Light Patterns

arxiv url: http://arxiv.org/abs/2306.03195v1
Date: Mon, 5 Jun 2023 19:13:44 GMT
ステータス: 処理完了
システム内更新日: 2023-06-07 18:38:41.164010
Title: Lumos in the Night Sky: AI-enabled Visual Tool for Exploring Night-Time Light Patterns
Title（参考訳）: Lumos in the Night Sky: 夜間の光パターンを探索するAI対応ビジュアルツール
Authors: Jakob Hederich, Shreya Ghosh, Zeyu He and Prasenjit Mitra
Abstract要約: NightPulseは、Night-time Light(NTL)データ可視化と分析のためのインタラクティブツールである。研究者やステークホルダは、NTLデータをユーザフレンドリーなプラットフォームで探索し分析することができる。
参考スコア（独自算出の注目度）: 4.109426006734537
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We introduce NightPulse, an interactive tool for Night-time light (NTL) data visualization and analytics, which enables researchers and stakeholders to explore and analyze NTL data with a user-friendly platform. Powered by efficient system architecture, NightPulse supports image segmentation, clustering, and change pattern detection to identify urban development and sprawl patterns. It captures temporal trends of NTL and semantics of cities, answering questions about demographic factors, city boundaries, and unusual differences.
Abstract（参考訳）: 我々はNightPulseを紹介した。Night-time Light(NTL)データ可視化と分析のためのインタラクティブツールで、研究者や利害関係者がNTLデータをユーザフレンドリーなプラットフォームで探索し分析することができる。効率的なシステムアーキテクチャにより、NightPulseは画像セグメンテーション、クラスタリング、変更パターン検出をサポートし、都市開発とスプロールパターンを識別する。 NTLの時間的傾向と都市のセマンティクスを捉え、人口統計要因、都市の境界、特異な違いに関する質問に答える。

関連論文リスト

Interactive dense pixel visualizations for time series and model attribution explanations [8.24039921933289]
DAVOTSは、生の時系列データ、ニューラルネットワークのアクティベーション、高密度ピクセル可視化における属性を探索する、インタラクティブなビジュアル分析アプローチである。可視化されたデータドメインにクラスタリングアプローチを適用し、グループをハイライトし、個々のデータ探索と組み合わせたデータ探索のための順序付け戦略を示す。
論文参考訳（メタデータ） (2024-08-27T14:02:21Z)
Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
論文参考訳（メタデータ） (2024-08-25T13:59:31Z)
Disentangled Contrastive Image Translation for Nighttime Surveillance [87.03178320662592]
夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
論文参考訳（メタデータ） (2023-07-11T06:40:27Z)
Adaptive Modeling of Satellite-Derived Nighttime Lights Time-Series for Tracking Urban Change Processes Using Machine Learning [1.256413718364189]
本研究では,毎日の衛星からのNTLデータ記録から都市変化を検出するためのデータ駆動手法を提案する。提案手法では,ニューラルネットワークを用いて過去のデータ記録からNTLシグネチャを予測する。モデル予測から観測されたNTLの偏差に基づいて都市の変化を検出する。
論文参考訳（メタデータ） (2023-06-14T13:31:55Z)
TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。私たちのコードはGitHubで公開されます。
論文参考訳（メタデータ） (2023-01-05T22:10:16Z)
A Comparison of Spatiotemporal Visualizations for 3D Urban Analytics [7.157706457130007]
本稿では,建物表面の時間的解析を支援するために,3次元都市視覚分析がいかに有効かを検討する。本研究では,3次元都市データの可視化に使用される4つの代表的な視覚的デザイン,空間的並置,時間的並置,連結ビュー,組込みビューを比較した。その結果、参加者はプロットベースでより精度が高いが、カラーコードでより高速に可視化できることがわかった。
論文参考訳（メタデータ） (2022-08-10T14:38:13Z)
Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文参考訳（メタデータ） (2022-05-27T12:46:52Z)
Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
論文参考訳（メタデータ） (2021-04-15T14:32:12Z)
Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。また,NTSP問題に対処するための露出認識フレームワークを提案する。
論文参考訳（メタデータ） (2020-03-15T18:11:34Z)

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。