論文の概要: SolarFormer: Multi-scale Transformer for Solar PV Profiling
- arxiv url: http://arxiv.org/abs/2310.20057v1
- Date: Mon, 30 Oct 2023 22:22:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 17:27:37.390844
- Title: SolarFormer: Multi-scale Transformer for Solar PV Profiling
- Title（参考訳）: SolarFormer:ソーラーPVプロファイリング用マルチスケールトランス
- Authors: Adrian de Luis, Minh Tran, Taisei Hanyu, Anh Tran, Liao Haitao, Roy
McCann, Alan Mantooth, Ying Huang, Ngan Le
- Abstract要約: SolarFormerは、ソーラーパネルを空中画像から切り離し、その位置と大きさに関する洞察を提供するように設計されている。
本モデルでは,低レベル機能を活用し,太陽PV設置の局所化を強化するインスタンスクエリ機構を組み込んだ。
我々の実験は、我々のモデルが最先端のモデルと一致しているか、あるいは超えていることを一貫して示している。
- 参考スコア（独自算出の注目度）: 7.686020113962378
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As climate change intensifies, the global imperative to shift towards
sustainable energy sources becomes more pronounced. Photovoltaic (PV) energy is
a favored choice due to its reliability and ease of installation. Accurate
mapping of PV installations is crucial for understanding their adoption and
informing energy policy. To meet this need, we introduce the SolarFormer,
designed to segment solar panels from aerial imagery, offering insights into
their location and size. However, solar panel identification in Computer Vision
is intricate due to various factors like weather conditions, roof conditions,
and Ground Sampling Distance (GSD) variations. To tackle these complexities, we
present the SolarFormer, featuring a multi-scale Transformer encoder and a
masked-attention Transformer decoder. Our model leverages low-level features
and incorporates an instance query mechanism to enhance the localization of
solar PV installations. We rigorously evaluated our SolarFormer using diverse
datasets, including GGE (France), IGN (France), and USGS (California, USA),
across different GSDs. Our extensive experiments consistently demonstrate that
our model either matches or surpasses state-of-the-art models, promising
enhanced solar panel segmentation for global sustainable energy initiatives.
- Abstract（参考訳）: 気候変動が強まるにつれて、持続可能なエネルギー源へのシフトがより顕著になる。
太陽光発電(PV)エネルギーは、信頼性と設置の容易さから好まれる選択である。
PV導入の正確なマッピングは,導入状況を理解し,エネルギー政策を伝える上で重要である。
このニーズを満たすために、航空画像からソーラーパネルを分割し、その位置と大きさに関する洞察を提供するSolarFormerを紹介します。
しかし、コンピュータビジョンにおけるソーラーパネルの識別は、気象条件、屋根条件、地上サンプリング距離(GSD)の変動など様々な要因により複雑である。
これらの複雑さに対処するために、マルチスケールトランスフォーマーエンコーダとマスク付きアテンショントランスフォーマーデコーダを備えたSolarFormerを提案する。
本モデルでは,低レベル機能を活用し,太陽PV設置の局所化を強化するインスタンスクエリ機構を組み込んだ。
GGE(France)、IGN(France)、USGS(California, USA)など、さまざまなデータセットを使用して、SolarFormerを厳格に評価しました。
我々の広範な実験は、我々のモデルが最先端のモデルに合致するか、超えていることを一貫して実証し、グローバルな持続可能エネルギーイニシアチブのためのソーラーパネルセグメンテーションを約束しています。
関連論文リスト
- S3Former: Self-supervised High-resolution Transformer for Solar PV Profiling [6.646508986504754]
航空画像からソーラーパネルを分割し,サイズと位置情報を提供するS3Formerを紹介した。
S3FormerはMasked Attention Mask Transformerを備えている。
多様なデータセットを用いてS3Formerを評価し、最先端モデルの改善を実証する。
論文 参考訳（メタデータ） (2024-05-07T16:56:21Z) - FusionSF: Fuse Heterogeneous Modalities in a Vector Quantized Framework
for Robust Solar Power Forecasting [24.57911612111109]
本稿では,過去の電力データ,数値天気予報,衛星画像を統合するための多モード融合フレームワークを提案する。
本フレームワークは,新たに設置した植物に特に有用である,強いゼロショット予測能力を示す。
我々のモデルは頑丈なだけでなく、ゼロショット予測とトレーニングデータに富んだシナリオの両方において精度を高める。
論文 参考訳（メタデータ） (2024-02-08T17:03:10Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的とした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） (2023-06-01T19:54:39Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳（メタデータ） (2023-01-21T19:16:03Z) - TransVG++: End-to-End Visual Grounding with Language Conditioned Vision
Transformer [188.00681648113223]
視覚的なグラウンド化のための、巧妙で効果的なTransformerベースのフレームワークについて検討する。
TransVGはトランスフォーマーによるマルチモーダル対応を確立し、ボックス座標を直接回帰することで参照領域をローカライズする。
視覚特徴符号化にViT(Vision Transformer)を活用することで、我々のフレームワークを純粋にトランスフォーマーベースにアップグレードする。
論文 参考訳（メタデータ） (2022-06-14T06:27:38Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳（メタデータ） (2022-01-06T15:43:13Z) - A Moment in the Sun: Solar Nowcasting from Multispectral Satellite Data
using Self-Supervised Learning [4.844946519309793]
我々は、自己教師付き学習を用いた多スペクトル衛星データから、太陽流の一般的なモデルを構築した。
我々のモデルは、衛星観測に基づいて、位置の将来の太陽放射を推定する。
提案手法は,25の太陽観測地点にまたがる異なる範囲で評価し,地平線を予測できる。
論文 参考訳（メタデータ） (2021-12-28T03:13:44Z) - TransVG: End-to-End Visual Grounding with Transformers [102.11922622103613]
本稿では,画像に対して言語クエリを接地するタスクに対処するためのトランスフォーマティブベースのフレームワークであるtransvgを提案する。
複雑な核融合モジュールは、高い性能でトランスフォーマーエンコーダ層を単純なスタックで置き換えることができることを示す。
論文 参考訳（メタデータ） (2021-04-17T13:35:24Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳（メタデータ） (2020-03-02T20:32:10Z)
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。