論文の概要: Time Travelling Pixels: Bitemporal Features Integration with Foundation
Model for Remote Sensing Image Change Detection
- arxiv url: http://arxiv.org/abs/2312.16202v1
- Date: Sat, 23 Dec 2023 08:56:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-31 03:02:04.960400
- Title: Time Travelling Pixels: Bitemporal Features Integration with Foundation
Model for Remote Sensing Image Change Detection
- Title（参考訳）: Time Travelling Pixels: リモートセンシング画像変化検出のための基礎モデルとバイテンポラル特徴の統合
- Authors: Keyan Chen, Chengyang Liu, Wenyuan Li, Zili Liu, Hao Chen, Haotian
Zhang, Zhengxia Zou, Zhenwei Shi
- Abstract要約: Time Travelling Pixels (TTP)は、潜在知識基盤モデルを変更検出に統合する新しいアプローチである。
LEVIR-CDで得られた最先端の成績は,TTPの有効性を裏付けるものであった。
- 参考スコア（独自算出の注目度）: 28.40070234949818
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Change detection, a prominent research area in remote sensing, is pivotal in
observing and analyzing surface transformations. Despite significant
advancements achieved through deep learning-based methods, executing
high-precision change detection in spatio-temporally complex remote sensing
scenarios still presents a substantial challenge. The recent emergence of
foundation models, with their powerful universality and generalization
capabilities, offers potential solutions. However, bridging the gap of data and
tasks remains a significant obstacle. In this paper, we introduce Time
Travelling Pixels (TTP), a novel approach that integrates the latent knowledge
of the SAM foundation model into change detection. This method effectively
addresses the domain shift in general knowledge transfer and the challenge of
expressing homogeneous and heterogeneous characteristics of multi-temporal
images. The state-of-the-art results obtained on the LEVIR-CD underscore the
efficacy of the TTP. The Code is available at \url{https://kychen.me/TTP}.
- Abstract（参考訳）: リモートセンシングにおける顕著な研究領域である変化検出は、表面変換の観察と解析において重要である。
深層学習に基づく手法による大幅な進歩にもかかわらず、時空間的に複雑なリモートセンシングシナリオにおける高精度な変化検出の実行は依然として重大な課題である。
最近の基盤モデルの出現とその強力な普遍性と一般化能力は、潜在的な解決策を提供する。
しかし、データとタスクのギャップを埋めることは大きな障害である。
本稿では,SAM基盤モデルの潜在知識を変化検出に統合する新しいアプローチであるTime Travelling Pixels (TTP)を紹介する。
本手法は, 一般知識伝達における領域シフトと, 多時間画像の同種・異種特性を表現することの課題に効果的に対処する。
LEVIR-CDで得られた最先端の結果は,TTPの有効性を裏付けるものであった。
コードは \url{https://kychen.me/ttp} で入手できる。
関連論文リスト
- Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。
フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。
設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
論文 参考訳（メタデータ） (2024-08-23T01:53:36Z) - Novel Change Detection Framework in Remote Sensing Imagery Using Diffusion Models and Structural Similarity Index (SSIM) [0.0]
変化検出はリモートセンシングにおいて重要な課題であり、環境変化、都市の成長、災害影響のモニタリングを可能にする。
近年の機械学習、特に拡散モデルのような生成モデルの発展は、変化検出精度を高める新たな機会を提供する。
本稿では,安定拡散モデルの強度と構造類似度指数(SSIM)を組み合わせ,頑健で解釈可能な変化マップを作成する新しい変化検出フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-20T07:54:08Z) - Integrated Dynamic Phenological Feature for Remote Sensing Image Land Cover Change Detection [5.109855690325439]
本稿では,表現学的特徴をリモートセンシング画像CDフレームワークに統合するInPheaモデルを提案する。
4つの制約モジュールと多段階のコントラスト学習アプローチを備えた制約器を用いて,表現学的特徴の理解を支援する。
HRSCD、SECD、PSCD-Wuhanデータセットの実験は、InPheaが他のモデルより優れていることを示している。
論文 参考訳（メタデータ） (2024-08-08T01:07:28Z) - Changen2: Multi-Temporal Remote Sensing Generative Change Foundation Model [62.337749660637755]
安価で自動的な生成モデルに基づく変更データ生成器を提案する。
Changen2は、自己監督を通じて大規模にトレーニング可能な、生成的な変更基盤モデルである。
得られたモデルには、固有のゼロショット変化検出機能と優れた転送性がある。
論文 参考訳（メタデータ） (2024-06-26T01:03:39Z) - DiffuBox: Refining 3D Object Detection with Point Diffusion [74.01759893280774]
本研究では,3次元物体の検出と局所化を確保するために,新しい拡散型ボックス精細化手法を提案する。
提案手法は,様々なドメイン適応設定下で評価し,その結果,異なるデータセット間での大幅な改善が示された。
論文 参考訳（メタデータ） (2024-05-25T03:14:55Z) - ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。
本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-26T17:47:14Z) - LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。
LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。
これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文 参考訳（メタデータ） (2024-01-03T18:57:27Z) - Transformer-based Multimodal Change Detection with Multitask Consistency Constraints [10.906283981247796]
現在の変化検出方法は、意味変化検出タスクと高さ変化検出タスクのマルチタスク競合に対処する。
そこで我々は,クロスアテンションにより,多次元入力間の共有表現を学習する効率的なトランスフォーマーネットワークを提案する。
提案手法は,5つの現状変化検出手法と比較して,意味的および高さ変化検出の観点から,一貫したマルチタスク優位性を示す。
論文 参考訳（メタデータ） (2023-10-13T17:38:45Z) - Scalable Multi-Temporal Remote Sensing Change Data Generation via
Simulating Stochastic Change Process [21.622442722863028]
生成モデルを用いたスケーラブルなマルチ時間リモートセンシングデータ生成手法を提案する。
私たちの一番のアイデアは、時間とともに変化するプロセスをシミュレートすることです。
これら2つの問題を解決するため、GANベースのGPCMである変更生成器(Changen)を提案し、制御可能なオブジェクト変更データ生成を可能にする。
論文 参考訳（メタデータ） (2023-09-29T07:37:26Z) - Transformer Inertial Poser: Attention-based Real-time Human Motion
Reconstruction from Sparse IMUs [79.72586714047199]
本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。
提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
論文 参考訳（メタデータ） (2022-03-29T16:24:52Z) - A Parallel Down-Up Fusion Network for Salient Object Detection in
Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。
In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。
ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-02T05:27:57Z)
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。