論文の概要: GeoViT: A Versatile Vision Transformer Architecture for Geospatial Image
Analysis
- arxiv url: http://arxiv.org/abs/2311.14301v1
- Date: Fri, 24 Nov 2023 06:22:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 15:47:42.390760
- Title: GeoViT: A Versatile Vision Transformer Architecture for Geospatial Image
Analysis
- Title(参考訳): GeoViT:地理空間画像解析のための可視変換器アーキテクチャ
- Authors: Madhav Khirwar, Ankur Narang
- Abstract要約: マルチモーダルセグメンテーションのための衛星画像処理に有効なコンパクト・ビジョン・トランスフォーマーモデルGeoViTを紹介する。
発電速度,燃料タイプ,CO2の配管被覆率,高分解能NO2濃度マッピングの精度が向上した。
- 参考スコア(独自算出の注目度): 2.1647301294759624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Greenhouse gases are pivotal drivers of climate change, necessitating precise
quantification and source identification to foster mitigation strategies. We
introduce GeoViT, a compact vision transformer model adept in processing
satellite imagery for multimodal segmentation, classification, and regression
tasks targeting CO2 and NO2 emissions. Leveraging GeoViT, we attain superior
accuracy in estimating power generation rates, fuel type, plume coverage for
CO2, and high-resolution NO2 concentration mapping, surpassing previous
state-of-the-art models while significantly reducing model size. GeoViT
demonstrates the efficacy of vision transformer architectures in harnessing
satellite-derived data for enhanced GHG emission insights, proving instrumental
in advancing climate change monitoring and emission regulation efforts
globally.
- Abstract(参考訳): 温室効果ガスは気候変動の原動力であり、正確な定量化と資源の同定を必要としている。
我々は,CO2およびNO2排出をターゲットとしたマルチモーダルセグメンテーション,分類,回帰タスクのための衛星画像処理に有効な小型視覚変換器モデルGeoViTを紹介する。
GeoViTを応用し, 発電速度, 燃料タイプ, CO2 の配管被覆率, 高分解能NO2 濃度マッピングの精度を向上し, モデルサイズを大幅に削減した。
GeoViTは、衛星から得られるデータを利用してGHG排出の洞察を高め、気候変動の監視と排出規制をグローバルに進める上で、ビジョントランスフォーマーアーキテクチャの有効性を実証している。
関連論文リスト
- Gasformer: A Transformer-based Architecture for Segmenting Methane Emissions from Livestock in Optical Gas Imaging [0.0]
家畜、特に牛からのメタンの排出は、気候変動に大きく貢献する。
本稿では,家畜からの低流量メタン排出量を検出するためのセマンティックセグメンテーションアーキテクチャであるガスホルマを紹介する。
FLIR GF77 OGIカメラで捉えた2つのユニークなデータセットを示す。
論文 参考訳(メタデータ) (2024-04-16T18:38:23Z) - GeoFormer: A Vision and Sequence Transformer-based Approach for
Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。
我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文 参考訳(メタデータ) (2024-02-11T11:20:29Z) - Guiding drones by information gain [0.0]
本研究では,大気観測からガス配管のパラメーターを推定するための2つのドローンサンプリング手法について検討した。
本研究は,インフォタキシーの近視的アプローチと深い強化学習を通じて訓練された遠視ナビゲーション戦略を比較した。
非等方性ガス配管環境におけるインフォタキシーよりも深い強化学習の優れた性能を示す。
論文 参考訳(メタデータ) (2024-01-08T15:13:23Z) - 2-D SSM: A General Spatial Layer for Visual Transformers [79.4957965474334]
コンピュータビジョンの中心的な目的は、適切な2次元帰納バイアスを持つモデルを設計することである。
多次元状態空間モデルの表現的変動を利用する。
本稿では,効率的なパラメータ化,高速化計算,適切な正規化方式を提案する。
論文 参考訳(メタデータ) (2023-06-11T09:41:37Z) - Multi-modal learning for geospatial vegetation forecasting [1.8180482634934092]
我々は,高分解能植生予測に特化して設計された最初のデータセットであるGreenEarthNetを紹介する。
また、Sentinel 2衛星画像から植生の緑度を予測するための新しい深層学習手法であるContextformerを提案する。
我々の知る限り、この研究は、季節的サイクルを超えた異常を捉えることができる微細な解像度で大陸規模の植生モデリングのための最初のモデルを示す。
論文 参考訳(メタデータ) (2023-03-28T17:59:05Z) - De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage
Detection in Time-lapse Seismic Monitoring Images [2.021175152213487]
本研究では,最新の深層学習モデルを用いて,CO2プラム(リーカジ)をデライン化するために,時間ラプス地震画像のバイナリ分類を導入する。
また,クラスアクティベーションマッピング手法を用いて,CO2プラムの漏洩領域をローカライズする。
論文 参考訳(メタデータ) (2022-12-16T17:22:51Z) - Detecting Methane Plumes using PRISMA: Deep Learning Model and Data
Augmentation [67.32835203947133]
PRISMAのような新世代の超スペクトル画像装置は、高空間分解能(30m)で宇宙からメタン(CH4)プラムの検出能力を著しく改善した。
ここでは、PRISMA衛星ミッションの画像を用いてCH4プラムを識別するための完全なフレームワークと、広範囲のプラムを検出可能なディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2022-11-17T17:36:05Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳(メタデータ) (2022-10-31T04:04:03Z) - Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based
Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。
本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
論文 参考訳(メタデータ) (2022-09-15T13:52:15Z) - Toward Foundation Models for Earth Monitoring: Proposal for a Climate
Change Benchmark [95.19070157520633]
近年の自己スーパービジョンの進歩は、大量の教師なしデータ上で大規模なニューラルネットワークを事前訓練することで、下流タスクの一般化が著しく増加することを示している。
基礎モデルとして最近作られたそのようなモデルは、自然言語処理の分野に転換してきた。
気候変動に関連する様々な下流タスクからなる新しいベンチマークを開発することを提案する。
論文 参考訳(メタデータ) (2021-12-01T15:38:19Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳(メタデータ) (2020-12-07T16:23:13Z)
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。