論文の概要: OceanBench: The Sea Surface Height Edition

• arxiv url: http://arxiv.org/abs/2309.15599v1
• Date: Wed, 27 Sep 2023 12:00:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 13:53:09.932734
• Title: OceanBench: The Sea Surface Height Edition
• Title（参考訳）: OceanBench:海面高度版
• Authors: J. Emmanuel Johnson, Quentin Febvre, Anastasia Gorbunova, Sammy Metref, Maxime Ballarotta, Julien Le Sommer, Ronan Fablet
• Abstract要約: オーシャンサテライトデータは、その空間性や不規則なサンプリング、信号の複雑さ、ノイズによる情報抽出の課題を示す。 機械学習(ML)技術は、大規模で複雑な信号を扱う能力を実証している。 OceanBenchは、ドメインエキスパート標準に準拠した標準化された処理ステップを提供する統一フレームワークである。
• 参考スコア（独自算出の注目度）: 5.307677318971956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ocean profoundly influences human activities and plays a critical role in climate regulation. Our understanding has improved over the last decades with the advent of satellite remote sensing data, allowing us to capture essential quantities over the globe, e.g., sea surface height (SSH). However, ocean satellite data presents challenges for information extraction due to their sparsity and irregular sampling, signal complexity, and noise. Machine learning (ML) techniques have demonstrated their capabilities in dealing with large-scale, complex signals. Therefore we see an opportunity for ML models to harness the information contained in ocean satellite data. However, data representation and relevant evaluation metrics can be the defining factors when determining the success of applied ML. The processing steps from the raw observation data to a ML-ready state and from model outputs to interpretable quantities require domain expertise, which can be a significant barrier to entry for ML researchers. OceanBench is a unifying framework that provides standardized processing steps that comply with domain-expert standards. It provides plug-and-play data and pre-configured pipelines for ML researchers to benchmark their models and a transparent configurable framework for researchers to customize and extend the pipeline for their tasks. In this work, we demonstrate the OceanBench framework through a first edition dedicated to SSH interpolation challenges. We provide datasets and ML-ready benchmarking pipelines for the long-standing problem of interpolating observations from simulated ocean satellite data, multi-modal and multi-sensor fusion issues, and transfer-learning to real ocean satellite observations. The OceanBench framework is available at github.com/jejjohnson/oceanbench and the dataset registry is available at github.com/quentinf00/oceanbench-data-registry.
• Abstract（参考訳）: 海洋は人間の活動に大きな影響を与え、気候規制において重要な役割を果たしている。 衛星リモートセンシングデータの出現により、過去数十年間で我々の理解は向上し、海面高度(SSH)のような地球上の重要な量を捉えることが可能になった。 しかし、海洋衛星データは、その空間と不規則なサンプリング、信号の複雑さ、ノイズによる情報抽出の課題を示す。 機械学習(ML)技術は、大規模で複雑な信号を扱う能力を示している。 したがって、MLモデルが海洋衛星データに含まれる情報を利用する機会が得られます。 しかし、データ表現と関連する評価指標が応用MLの成功を決定するための決定要因となる。 生の観測データからML対応状態、モデル出力から解釈可能な量への処理ステップは、ドメインの専門知識を必要とするため、ML研究者にとって重要な障壁となる。 OceanBenchは、ドメインエキスパート標準に準拠した標準化された処理ステップを提供する統一フレームワークである。 ML研究者がモデルをベンチマークするために、プラグアンドプレイのデータと事前設定されたパイプライン、そして、研究者がタスクのためにパイプラインをカスタマイズおよび拡張するための透過的な設定可能なフレームワークを提供する。 本研究では,SSH補間問題に特化した第1版を通じて,OceanBenchフレームワークを実演する。 本研究では,衛星データシミュレーションによる長期観測,マルチモーダル・マルチセンサー融合問題,実海衛星観測へのトランスファーラーニングのためのデータセットとml対応ベンチマークパイプラインを提供する。 OceanBenchフレームワークはgithub.com/jejjohnson/oceanbenchで、データセットレジストリはgithub.com/quentinf00/oceanbench-data-registryで利用できる。

関連論文リスト

• Introducing VaDA: Novel Image Segmentation Model for Maritime Object Segmentation Using New Dataset [3.468621550644668]
  海上輸送産業はコンピュータビジョン人工知能(AI)の進歩によって急速に進化している 海洋環境における物体認識は、光の反射、干渉、激しい照明、様々な気象条件といった課題に直面します。 既存のAI認識モデルとデータセットは、自律ナビゲーションシステムを構成するのに限定的に適している。
  論文  参考訳（メタデータ） (2024-07-12T05:48:53Z)
• Scale-Translation Equivariant Network for Oceanic Internal Solitary Wave Localization [7.444865250744234]
  内部孤立波(英:internal Solitary wave、ISW)は、内部の海洋でしばしば観測される重力波である。 光リモートセンシング画像における雲のカバーは、地表面の情報を可変的に曖昧にし、ぼやけたり、表面の観察を欠いたりする。 本稿では,ISWを自動検出するアルゴリズムを用いた機械学習ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-06-18T21:09:56Z)
• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Omnidata: A Scalable Pipeline for Making Multi-Task Mid-Level Vision Datasets from 3D Scans [103.92680099373567]
  本稿では,実世界の包括的3Dスキャンからマルチタスク視覚データセットをパラメトリックサンプリングし,レンダリングするパイプラインを提案する。 サンプリングパラメータを変更することで、生成されたデータセットを“ステア”して、特定の情報を強調することが可能になる。 生成されたスタータデータセットでトレーニングされた共通アーキテクチャは、複数の共通ビジョンタスクとベンチマークで最先端のパフォーマンスに達した。
  論文  参考訳（メタデータ） (2021-10-11T04:21:46Z)
• 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)
• Bridging observation, theory and numerical simulation of the ocean using Machine Learning [0.08155575318208629]
  海洋の研究は、MLが対処できるユニークな課題の組み合わせを示しています。 利用可能な観測データは、ほとんど空間的に希薄であり、表面に限定されており、数十年以上に及ぶ時系列は少ない。 このレビューでは、MLを適用することで提供される現在の科学的洞察と、差し迫った潜在能力の所在を論じる。
  論文  参考訳（メタデータ） (2021-04-26T12:11:51Z)
• RGB-D Salient Object Detection: A Survey [195.83586883670358]
  様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。 また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。 今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
  論文  参考訳（メタデータ） (2020-08-01T10:01:32Z)
• 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。