論文の概要: Revolutionizing Global Food Security: Empowering Resilience through
Integrated AI Foundation Models and Data-Driven Solutions
- arxiv url: http://arxiv.org/abs/2310.20301v1
- Date: Tue, 31 Oct 2023 09:15:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 15:44:16.876448
- Title: Revolutionizing Global Food Security: Empowering Resilience through
Integrated AI Foundation Models and Data-Driven Solutions
- Title(参考訳): グローバルフードセキュリティの革命:AIファンデーションモデルとデータ駆動ソリューションによるレジリエンスの強化
- Authors: Mohamed R. Shoaib, Heba M. Emara, Jun Zhao
- Abstract要約: 本稿では,食品セキュリティアプリケーションにおけるAIファンデーションモデルの統合について検討する。
本研究は, 収穫型マッピング, 耕作地マッピング, フィールドデライン化, 収穫量予測における利用状況について検討した。
- 参考スコア(独自算出の注目度): 8.017557640367938
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Food security, a global concern, necessitates precise and diverse data-driven
solutions to address its multifaceted challenges. This paper explores the
integration of AI foundation models across various food security applications,
leveraging distinct data types, to overcome the limitations of current deep and
machine learning methods. Specifically, we investigate their utilization in
crop type mapping, cropland mapping, field delineation and crop yield
prediction. By capitalizing on multispectral imagery, meteorological data, soil
properties, historical records, and high-resolution satellite imagery, AI
foundation models offer a versatile approach. The study demonstrates that AI
foundation models enhance food security initiatives by providing accurate
predictions, improving resource allocation, and supporting informed
decision-making. These models serve as a transformative force in addressing
global food security limitations, marking a significant leap toward a
sustainable and secure food future.
- Abstract(参考訳): グローバルな懸念である食品セキュリティは、その多面的課題に対処するために、正確で多様なデータ駆動ソリューションを必要とする。
本稿では,現在の深層・機械学習手法の限界を克服するために,さまざまな食品セキュリティアプリケーションにまたがるAIファンデーションモデルの統合について検討する。
具体的には,作物種別マッピング,作物種別マッピング,フィールドデライン化,作物収量予測におけるそれらの利用について検討した。
マルチスペクトル画像、気象データ、土壌特性、歴史的記録、高解像度衛星画像を活用することで、AI基盤モデルは汎用的なアプローチを提供する。
この研究は、AIファンデーションモデルが、正確な予測を提供し、リソース割り当てを改善し、情報的な意思決定をサポートすることによって、食品セキュリティイニシアチブを強化することを実証している。
これらのモデルは、グローバルな食料安全保障の限界に対処するための変革的な力となり、持続可能な食品の未来への大きな飛躍を象徴している。
関連論文リスト
- On the Challenges and Opportunities in Generative AI [135.2754367149689]
現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。
本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
論文 参考訳(メタデータ) (2024-02-28T15:19:33Z) - Forging Vision Foundation Models for Autonomous Driving: Challenges,
Methodologies, and Opportunities [59.02391344178202]
ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。
総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。
本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
論文 参考訳(メタデータ) (2024-01-16T01:57:24Z) - Model Stealing Attack against Graph Classification with Authenticity,
Uncertainty and Diversity [85.1927483219819]
GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。
異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
論文 参考訳(メタデータ) (2023-12-18T05:42:31Z) - Explainable AI in Grassland Monitoring: Enhancing Model Performance and
Domain Adaptability [0.6131022957085438]
草原は高い生物多様性と複数の生態系サービスを提供する能力で知られている。
指標植物の自動識別の課題は、大規模な草地モニタリングの鍵となる障害である。
本稿では,移動学習と草地モニタリングへのXAIアプローチを中心に,後者の2つの課題を考察する。
論文 参考訳(メタデータ) (2023-12-13T10:17:48Z) - FoodFusion: A Latent Diffusion Model for Realistic Food Image Generation [69.91401809979709]
後期拡散モデル(LDMs)のような最先端画像生成モデルでは、視覚的に印象的な食品関連画像を生成する能力が実証されている。
本稿では,テキスト記述からリアルな食品画像の忠実な合成を目的とした,潜伏拡散モデルであるFoodFusionを紹介する。
FoodFusionモデルの開発には、大規模なオープンソースフードデータセットを活用することが含まれており、30万以上のキュレーションされたイメージキャプチャペアが生成される。
論文 参考訳(メタデータ) (2023-12-06T15:07:12Z) - Forecasting Trends in Food Security: a Reservoir Computing Approach [0.8437187555622164]
我々は、マリ、ナイジェリア、シリア、イエメンの4カ国で、60日間連続して食料消費の水準を予測するための新しい定量的方法論を提案する。
この手法は、World Food Programmeのグローバル飢餓監視システムから入手可能なデータに基づいて構築されている。
論文 参考訳(メタデータ) (2023-12-01T14:42:37Z) - From Plate to Production: Artificial Intelligence in Modern
Consumer-Driven Food Systems [32.55158589420258]
世界の食料システムは、需要が増大する中で、供給と栄養価の高いダイエットに直面している。
人工知能の出現は、個人の選択革命をもたらし、AIによる個人による決定が食品システムを変える。
本稿では,食品分野におけるAIの約束と課題について考察する。
論文 参考訳(メタデータ) (2023-11-04T13:13:44Z) - Filling the Missing: Exploring Generative AI for Enhanced Federated
Learning over Heterogeneous Mobile Edge Devices [72.61177465035031]
ローカルデータのFIMI(FIlling the MIssing)部分を活用することにより,これらの課題に対処する,AIを活用した創発的なフェデレーション学習を提案する。
実験の結果,FIMIはデバイス側エネルギーの最大50%を節約し,目標とするグローバルテスト精度を達成できることがわかった。
論文 参考訳(メタデータ) (2023-10-21T12:07:04Z) - A Framework for Evaluating the Impact of Food Security Scenarios [0.0]
このケーススタディは、国連食糧農業機関(FAOSTAT)、世界銀行、米国農務省(USDA)のデータを用いて作成された、独自の時系列食品セキュリティデータベースに基づいている。
提案手法は,食品セキュリティにおけるシナリオの潜在的な影響を予測するために,また,この手法をサポートするために,独自の時系列食品セキュリティデータベースを使用することができる。
論文 参考訳(メタデータ) (2023-01-23T08:41:46Z) - Big Earth Data and Machine Learning for Sustainable and Resilient
Agriculture [0.0]
この論文は、我々の時代の高品質でオープンな地球観測データによって提供される前例のない機会を認識している。
持続的で回復力のある農業のためのアプリケーションを開発するために、機械学習とビッグデータメソッドを導入している。
論文 参考訳(メタデータ) (2022-11-22T20:58:54Z) - Using satellite imagery to understand and promote sustainable
development [87.72561825617062]
持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。
我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。
不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
論文 参考訳(メタデータ) (2020-09-23T05:20:00Z)
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。