論文の概要: Constraint Model for the Satellite Image Mosaic Selection Problem

• arxiv url: http://arxiv.org/abs/2312.04210v1
• Date: Thu, 7 Dec 2023 10:52:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-08 15:18:45.625171
• Title: Constraint Model for the Satellite Image Mosaic Selection Problem
• Title（参考訳）: 衛星画像モザイク選択問題の制約モデル
• Authors: Manuel Combarro Sim\'on, Pierre Talbot, Gr\'egoire Danoy, Jedrzej Musial, Mohammed Alswaitti, and Pascal Bouvry
• Abstract要約: 衛星画像ソリューションは、地球のさまざまな領域を調査・監視するために広く利用されている。 より大きな関心領域が研究される場合、複数の画像を縫合して単一の大きな画像を作成する必要がある。 本研究では、衛星のSPOT、Pl'eiades、Pl'eiades Neoによって撮影された、現実的で困難な画像のデータセットを提案する。
• 参考スコア（独自算出の注目度）: 4.187648622335092
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Satellite imagery solutions are widely used to study and monitor different regions of the Earth. However, a single satellite image can cover only a limited area. In cases where a larger area of interest is studied, several images must be stitched together to create a single larger image, called a mosaic, that can cover the area. Today, with the increasing number of satellite images available for commercial use, selecting the images to build the mosaic is challenging, especially when the user wants to optimize one or more parameters, such as the total cost and the cloud coverage percentage in the mosaic. More precisely, for this problem the input is an area of interest, several satellite images intersecting the area, a list of requirements relative to the image and the mosaic, such as cloud coverage percentage, image resolution, and a list of objectives to optimize. We contribute to the constraint and mixed integer lineal programming formulation of this new problem, which we call the \textit{satellite image mosaic selection problem}, which is a multi-objective extension of the polygon cover problem. We propose a dataset of realistic and challenging instances, where the images were captured by the satellite constellations SPOT, Pl\'eiades and Pl\'eiades Neo. We evaluate and compare the two proposed models and show their efficiency for large instances, up to 200 images.
• Abstract（参考訳）: 衛星画像ソリューションは、地球の様々な領域を研究し監視するために広く使われている。 しかし、単一の衛星画像は限られた領域しかカバーできない。 興味のある領域が研究されている場合、複数の画像を縫い合わせて、モザイクと呼ばれる1つの大きな画像を作成しなければならない。 現在、商用利用が可能な衛星画像が増えているため、モザイクを構築するための画像の選択は困難であり、特にユーザーがモザイクの総コストや雲のカバー率など、1つ以上のパラメータを最適化したい場合は困難である。 より正確には、この問題の入力は関心のある領域であり、いくつかの衛星画像がその領域と交差し、雲のカバー率、画像の解像度、最適化する目的の一覧のような画像とモザイクに対する要件のリストである。 我々は,ポリゴン被覆問題の多目的拡張である「textit{satellite image mosaic selection problem」と呼ばれる,この新たな問題の制約および混合整数線形プログラミングの定式化に寄与する。 本研究では,衛星コンステレーションスポット,pl\'eiades,pl\'eiades neoで撮影された画像を用いて,現実的で難解な事例のデータセットを提案する。 提案する2つのモデルを評価し比較し,最大200画像の大規模インスタンスに対してその効率を示す。

関連論文リスト

• SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
  我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。 アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。 実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
  論文  参考訳（メタデータ） (2024-06-14T17:58:28Z)
• Obtaining Favorable Layouts for Multiple Object Generation [50.616875565173274]
  大規模なテキスト・ツー・イメージモデルでは、テキスト・プロンプトに基づいて高品質で多様な画像を生成することができる。 しかし、既存の最先端拡散モデルでは、複数の被写体を含む画像を生成する際に困難に直面している。 誘導原理に基づく新しい手法を提案し、拡散モデルが最初にレイアウトを提案し、次にレイアウトグリッドを並べ替えることを可能にする。 これは、提案したマスクに固執するようにクロスアテンションマップ(XAM)を強制し、潜在マップから私たちによって決定された新しい場所へピクセルを移動させることによって達成される。
  論文  参考訳（メタデータ） (2024-05-01T18:07:48Z)
• DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
  現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。 提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
  論文  参考訳（メタデータ） (2023-12-06T16:53:17Z)
• CLiSA: A Hierarchical Hybrid Transformer Model using Orthogonal Cross Attention for Satellite Image Cloud Segmentation [5.178465447325005]
  ディープラーニングアルゴリズムは画像セグメンテーション問題を解決するための有望なアプローチとして登場してきた。 本稿では,Lipschitz Stable Attention NetworkによるCLiSA - Cloudセグメンテーションという,効果的なクラウドマスク生成のためのディープラーニングモデルを提案する。 Landsat-8, Sentinel-2, Cartosat-2sを含む複数の衛星画像データセットの質的および定量的な結果を示す。
  論文  参考訳（メタデータ） (2023-11-29T09:31:31Z)
• Fast building segmentation from satellite imagery and few local labels [4.46034200978842]
  非常に高解像度の衛星画像で建物セグメンテーション問題を解決するために,驚くほど少ないラベルが必要であることを示す。 たった527個のスパースポリゴンアノテーションでトレーニングした最良のモデルは、200×200メートルの窓に建つ建物数を数える作業において、足跡の保持よりも0.87個、R2が0.93個をリコールしています。 ヨルダンのアムマンの高分解能画像にモデルを適用し,都市変動検出の事例研究を行った。
  論文  参考訳（メタデータ） (2022-06-10T23:39:21Z)
• Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
  Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。 本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-05-24T23:29:04Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Sci-Net: a Scale Invariant Model for Building Detection from Aerial Images [0.0]
  本研究では,空間分解能の異なる空間画像に存在している建物を分割できるスケール不変ニューラルネットワーク(Sci-Net)を提案する。 具体的には,U-Netアーキテクチャを改良し,それを高密度なASPP(Atrous Space Pyramid Pooling)で融合し,微細なマルチスケール表現を抽出した。
  論文  参考訳（メタデータ） (2021-11-12T16:45:20Z)
• Spatial-Temporal Super-Resolution of Satellite Imagery via Conditional Pixel Synthesis [66.50914391487747]
  高精度な高解像度画像を生成するために,高解像度の高解像度画像を用いた条件付き画素合成モデルを提案する。 我々は,本モデルにおいて,オブジェクトカウントという重要なダウンストリームタスクにおいて,フォトリアリスティックなサンプル品質を実現し,競合するベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-22T02:16:24Z)
• Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
  画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。 エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。 本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-29T14:46:05Z)

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。