Fugu-MT 論文翻訳(概要): Landslide Topology Uncovers Failure Movements

論文の概要: Landslide Topology Uncovers Failure Movements

arxiv url: http://arxiv.org/abs/2310.09631v1
Date: Sat, 14 Oct 2023 17:53:55 GMT
ステータス: 処理完了
システム内更新日: 2023-10-17 19:24:27.049175
Title: Landslide Topology Uncovers Failure Movements
Title（参考訳）: 地すべりのトポロジーが失敗運動を発見
Authors: Kamal Rana, Kushanav Bhuyan, Joaquin Vicente Ferrer, Fabrice Cotton, Ugur Ozturk, Filippo Catani, and Nishant Malik
Abstract要約: 本稿では,スライドやフローなどの動作に基づいて,障害タイプを特定するアプローチを提案する。地すべりの形態や形状に埋め込まれた物質移動力学の顕著な特徴をトポロジカルプロキシが明らかにしているのを観察する。歴史的およびイベント固有の地すべりデータベースの障害タイプを80～94 %の精度で識別できる。
参考スコア（独自算出の注目度）: 1.08890978642722
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The death toll and monetary damages from landslides continue to rise despite advancements in predictive modeling. The predictive capability of these models is limited as landslide databases used in training and assessing the models often have crucial information missing, such as underlying failure types. Here, we present an approach for identifying failure types based on their movements, e.g., slides and flows by leveraging 3D landslide topology. We observe topological proxies reveal prevalent signatures of mass movement mechanics embedded in the landslide's morphology or shape, such as detecting coupled movement styles within complex landslides. We find identical failure types exhibit similar topological properties, and by using them as predictors, we can identify failure types in historic and event-specific landslide databases (including multi-temporal) from various geomorphological and climatic contexts such as Italy, the US Pacific Northwest region, Denmark, Turkey, and China with 80 to 94 % accuracy. To demonstrate the real-world application of the method, we implement it in two undocumented datasets from China and publicly release the datasets. These new insights can considerably improve the performance of landslide predictive models and impact assessments. Moreover, our work introduces a new paradigm for studying landslide shapes to understand underlying processes through the lens of landslide topology.
Abstract（参考訳）: 地すべりによる死者数と金融被害は、予測モデリングの進歩にもかかわらず増加を続けている。これらのモデルの予測能力は、トレーニングやモデルの評価に使用される地すべりデータベースが、基礎となる障害タイプのような重要な情報を欠いているため制限される。本稿では, 3次元地すべりトポロジーを利用して, すべりや流れなどの動作に基づいて, 故障タイプを特定する手法を提案する。地すべりの形状や形状に埋もれた質量運動力学の一般的な特徴である,複雑な地すべり内の連成運動様式の検出など,トポロジカルなプロキシを観察した。同一の障害タイプが類似したトポロジー特性を示すことを発見し,これを用いて,イタリア,米国太平洋北西部地域,デンマーク,トルコ,中国など,地形・気候のさまざまな状況から,歴史的・事象特異的な地すべりデータベース(多時期を含む)の障害タイプを80～94%精度で識別することができる。この手法の現実的な応用を実証するため、中国からの文書化されていない2つのデータセットに実装し、データセットを公開している。これらの新たな洞察は地すべり予測モデルの性能と影響評価を大幅に改善することができる。さらに,地すべりトポロジーのレンズによる基礎過程を理解するために,地すべり形状を研究する新たなパラダイムを導入する。

関連論文リスト

Towards physics-informed neural networks for landslide prediction [1.03590082373586]
PINNは、一般的なプロキシ変数から地理的パラメータを明示的に取得するニューラルネットワークである。我々のモデルは、標準感受性出力という形で優れた予測性能を生み出す。このアーキテクチャは、他の研究で確認されれば、PINNベースの準リアルタイム予測に向けて開放される可能性がある、コサイスミックな地すべり予測に取り組むために構築されている。
論文参考訳（メタデータ） (2024-07-09T11:54:49Z)
Landslide mapping from Sentinel-2 imagery through change detection [0.12289361708127873]
地すべりは、最も重要で破壊的なジオハザードの1つである。本稿では,Sentinel-2画像を用いた地すべりのマッピング手法について検討する。本稿では,DEM(Digital Elevation Model)データとSentinel-2バイテンポラル画像ペアを融合する新たなディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-05-30T15:33:32Z)
At the junction between deep learning and statistics of extremes: formalizing the landslide hazard definition [1.03590082373586]
本研究では,斜面単位レベルでの地すべり危険度を推定する統一モデルを構築した。ネパールで30年間にわたり観測された降雨トリガーによる地すべりを解析し,複数回の帰還期間における地すべりの危険度を評価する。提案手法は,地すべりのハザードを統一的にモデル化するのに有効であることを示す。
論文参考訳（メタデータ） (2024-01-25T14:48:08Z)
Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文参考訳（メタデータ） (2023-11-30T08:22:08Z)
Temporal Action Localization with Enhanced Instant Discriminability [66.76095239972094]
時間的行動検出(TAD)は、すべての行動境界とその対応するカテゴリを、トリミングされていないビデオで検出することを目的としている。本稿では,既存の手法による動作境界の不正確な予測を解決するために,TriDetという一段階のフレームワークを提案する。実験結果から,複数のTADデータセット上でのTriDetの堅牢性と最先端性能が示された。
論文参考訳（メタデータ） (2023-09-11T16:17:50Z)
Dynamic landslide susceptibility mapping over recent three decades to uncover variations in landslide causes in subtropical urban mountainous areas [17.570791791237387]
本研究は, 年次LSAに複数の予測モデルを用いた動的地すべり感受性マッピングを提案する。選ばれた研究エリアは香港のランタウ島で、1992年から2019年までの総合的動的LSAを実施しました。
論文参考訳（メタデータ） (2023-08-23T05:33:03Z)
Knowledge-infused Deep Learning Enables Interpretable Landslide Forecasting [0.019036571490366496]
近年の変圧器を用いた深層学習は,地すべりの予測に未完成の可能性を秘めている。地すべりの挙動を均等に予測できる深層学習パイプラインを提案する。チベット高原における三峡貯水池の地すべり予測モデルと地すべり予測モデルを用いて,本手法の有効性を検証した。
論文参考訳（メタデータ） (2023-07-18T03:39:03Z)
Classification of structural building damage grades from multi-temporal photogrammetric point clouds using a machine learning model trained on virtual laser scanning data [58.720142291102135]
実世界の点雲からの多層建築物の損傷を自動的に評価する新しい手法を提案する。我々は、仮想レーザースキャン(VLS)データに基づいて訓練された機械学習モデルを使用する。このモデルでは、高いマルチターゲット分類精度(全精度:92.0% - 95.1%)が得られる。
論文参考訳（メタデータ） (2023-02-24T12:04:46Z)
An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文参考訳（メタデータ） (2023-02-20T16:08:54Z)
On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
論文参考訳（メタデータ） (2022-01-05T22:33:43Z)
Taxonomizing local versus global structure in neural network loss landscapes [60.206524503782006]
ロスランドスケープが世界規模で良好に接続されている場合, 最適なテスト精度が得られることを示す。また、モデルが小さい場合や、品質の低いデータに訓練された場合、世界規模で接続の不十分なランドスケープが生じる可能性があることも示しています。
論文参考訳（メタデータ） (2021-07-23T13:37:14Z)

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。