論文の概要: Simulating Nighttime Visible Satellite Imagery of Tropical Cyclones Using Conditional Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2401.11679v3
• Date: Thu, 24 Apr 2025 05:23:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-25 21:09:46.32128
• Title: Simulating Nighttime Visible Satellite Imagery of Tropical Cyclones Using Conditional Generative Adversarial Networks
• Title（参考訳）: 条件付き生成逆数ネットワークを用いた熱帯サイクロンの夜間可視衛星画像のシミュレーション
• Authors: Jinghuai Yao, Puyuan Du, Yucheng Zhao, Yubo Wang,
• Abstract要約: 可視光(VIS)画像は熱帯サイクロン(TC)の監視に重要であるが、夜間は利用できない。 本研究では,夜間のVIS画像を生成するために,CGAN(Conditional Generative Adversarial Networks)モデルを提案する。
• 参考スコア（独自算出の注目度）: 10.76837828367292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visible (VIS) imagery is important for monitoring Tropical Cyclones (TCs) but is unavailable at night. This study presents a Conditional Generative Adversarial Networks (CGAN) model to generate nighttime VIS imagery with significantly enhanced accuracy and spatial resolution. Our method offers three key improvements compared to existing models. First, we replaced the L1 loss in the pix2pix framework with the Structural Similarity Index Measure (SSIM) loss, which significantly reduced image blurriness. Second, we selected multispectral infrared (IR) bands as input based on a thorough examination of their spectral properties, providing essential physical information for accurate simulation. Third, we incorporated the direction parameters of the sun and the satellite, which addressed the dependence of VIS images on sunlight directions and enabled a much larger training set from continuous daytime data. The model was trained and validated using data from the Advanced Himawari Imager (AHI) in the daytime, achieving statistical results of SSIM = 0.923 and Root Mean Square Error (RMSE) = 0.0299, which significantly surpasses existing models. We also performed a cross-satellite nighttime model validation using the Day/Night Band (DNB) of the Visible/Infrared Imager Radiometer Suite (VIIRS), which yields outstanding results compared to existing models. Our model is operationally applied to generate accurate VIS imagery with arbitrary virtual sunlight directions, significantly contributing to the nighttime monitoring of various meteorological phenomena.
• Abstract（参考訳）: 可視光(VIS)画像は熱帯サイクロン(TC)の監視に重要であるが、夜間は利用できない。 本研究では,夜間VIS画像を生成するための条件生成適応ネットワーク(CGAN)モデルを提案する。 本手法は既存モデルと比較して3つの重要な改善点を提供する。 まず,Pix2pixフレームワークのL1損失を,画像のぼかしを著しく低減する構造類似度指標(SSIM)損失に置き換えた。 第2に、スペクトル特性の徹底的な検討に基づいて、マルチスペクトル赤外(IR)バンドを入力として選択し、正確なシミュレーションに不可欠な物理情報を提供した。 第3に、太陽と衛星の方向パラメータを組み込んで、VIS画像の日射方向への依存に対処し、連続した昼時間データからより大きなトレーニングを行えるようにした。 SSIM = 0.923 と Root Mean Square Error (RMSE) = 0.0299 の統計結果を得た。 また,VIIRS (Visible/Infrared Imager Radiometer Suite) のDay/Night Band (DNB) を用いた夜間衛星モデル検証を行い,既存のモデルと比較して優れた結果を得た。 このモデルを用いて、任意の仮想日光方向で正確なVIS画像を生成することができ、様々な気象現象の夜間モニタリングに大きく貢献する。

関連論文リスト

• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Estimating Atmospheric Variables from Digital Typhoon Satellite Images via Conditional Denoising Diffusion Models [0.0]
  本研究では,台風分野における拡散モデルの適用について検討する。 この研究の焦点は台湾であり、台風に非常に脆弱な地域である。
  論文  参考訳（メタデータ） (2024-09-12T11:42:40Z)
• Enhancing Robustness of Human Detection Algorithms in Maritime SAR through Augmented Aerial Images to Simulate Weather Conditions [1.660242118349614]
  本稿では,海中SARにおける人間の検出精度を向上させることを目的として,様々な標高と地質的位置を含む頑健なデータセットを評価する。 その結果, 強化データセットを用いたモデルでは, ヒトのリコールスコアが0.891から0.911の範囲で, YOLOv5lモデルでは3.4%向上した。
  論文  参考訳（メタデータ） (2024-08-25T08:23:06Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Seeing Through the Clouds: Cloud Gap Imputation with Prithvi Foundation Model [1.2374541748245838]
  マルチスペクトル衛星画像の時系列において,視覚変換器(ViT)モデルと基本条件生成逆数ネットワーク(CGAN)モデルを比較した。 現実のクラウドマスクを用いて衛星画像の時系列をランダムにマスキングし、各モデルをトレーニングし、欠落したピクセルを再構築する。
  論文  参考訳（メタデータ） (2024-04-30T15:03:27Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Deep learning-based deconvolution for interferometric radio transient reconstruction [0.39259415717754914]
  LOFAR、MeerKAT/SKA、ASKAP/SKA、そして将来のSKA-LOWのような電波天文学施設は、時間と周波数に大きな感度をもたらす。 これらの施設は、自然によって揮発し、データに検出または見逃される無線過渡現象の高度な研究を可能にする。 これらのトランジェントは、電子の高エネルギー加速のマーカーであり、幅広い時間スケールで表される。
  論文  参考訳（メタデータ） (2023-06-24T08:58:52Z)
• PRISM: Probabilistic Real-Time Inference in Spatial World Models [52.878769723544615]
  PRISMはエージェントの動きと視覚知覚の確率的生成モデルにおけるリアルタイムフィルタリングの手法である。 提案手法は10Hzでリアルタイムに動作し,小型・中型屋内環境における最先端SLAMと同等に精度が高い。
  論文  参考訳（メタデータ） (2022-12-06T13:59:06Z)
• DL-Corrector-Remapper: A grid-free bias-correction deep learning methodology for data-driven high-resolution global weather forecasting [11.334341754942917]
  我々はFourCastNet(FCN)の一様予測を補正し、再マップし、微調整する手法を開発した。 これは、数値天気予報(NWP)のバイアス補正と後処理に似ている 私たちはこのネットワークをDLCR(Deep-Learning-Corrector-Remapper)と呼ぶ。
  論文  参考訳（メタデータ） (2022-10-21T23:04:44Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• Thermal infrared image based vehicle detection in low-level illumination conditions using multi-level GANs [3.3223482500639845]
  車両検出精度は、良照度条件ではかなり正確であるが、低照度条件では検出精度が劣る。 車両ヘッドライトやテールライトからの低照度とグラアの複合効果により、車両検出の失敗は最先端の物体検出モデルにより起こりやすい。 最先端のGANモデルは、赤外線画像から日中RGB画像に変換することにより、夜間における車両検出精度の向上を図っている。
  論文  参考訳（メタデータ） (2022-09-20T15:56:52Z)
• When the Sun Goes Down: Repairing Photometric Losses for All-Day Depth Estimation [47.617222712429026]
  既存の測光損失を昼夜両方の画像に有効にするための3つの手法の組み合わせについて述べる。 まず、連続するフレーム間で起こる光の変化を補うために、ピクセルごとの神経強度変換を導入する。 第2に,推定エゴモーションと深度によって引き起こされる再投影対応を補正するために,画素ごとの残留フローマップを推定する。
  論文  参考訳（メタデータ） (2022-06-28T09:29:55Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Creating synthetic meteorology satellite visible light images during night based on GAN method [0.0]
  夜間に合成衛星可視光画像を作成するための深層学習に基づく手法を提案する。 具体的には,GAN(Generative Adversarial Networks)モデルを用いて,可視光画像を生成する。 ECMWF NWP製品とFY-4A気象衛星可視光および赤外チャネル日時に基づく実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-07-21T16:05:26Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• Real-time Tropical Cyclone Intensity Estimation by Handling Temporally Heterogeneous Satellite Data [33.528810128372704]
  本稿では,GAN(Generative Adversarial Network)と畳み込みニューラルネットワーク(CNN)を組み合わせた新しいフレームワークを提案する。 実験結果から,ハイブリッドGAN-CNNフレームワークは最先端モデルに匹敵する精度を実現することが示された。
  論文  参考訳（メタデータ） (2020-10-28T13:40:07Z)
• Conditional Variational Image Deraining [158.76814157115223]
  キャラクタリゼーション性能向上のための条件変分画像レイニング(CVID)ネットワーク 本研究では,各画像の降雨密度マップを推定するための空間密度推定(SDE)モジュールを提案する。 合成および実世界のデータセットを用いた実験により,提案したCVIDネットワークは,画像のデライニングにおける従来の決定論的手法よりもはるかに優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-04-23T11:51:38Z)

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。