論文の概要: EarthLoc: Astronaut Photography Localization by Indexing Earth from
Space
- arxiv url: http://arxiv.org/abs/2403.06758v1
- Date: Mon, 11 Mar 2024 14:30:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 18:57:02.102045
- Title: EarthLoc: Astronaut Photography Localization by Indexing Earth from
Space
- Title(参考訳): EarthLoc: 宇宙から地球をインデクシングする宇宙写真
- Authors: Gabriele Berton, Alex Stoken, Barbara Caputo, Carlo Masone
- Abstract要約: 宇宙飛行士の写真は、科学研究と災害対応の両方に非常に価値のある、ユニークな地球観測データセットを提示する。
現在の手動のローカライゼーションの取り組みは時間がかかり、自動化されたソリューションの必要性を動機付けている。
本稿では,この課題を効果的に解決するために,画像検索を活用した新しいアプローチを提案する。
- 参考スコア(独自算出の注目度): 22.398824732314015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Astronaut photography, spanning six decades of human spaceflight, presents a
unique Earth observations dataset with immense value for both scientific
research and disaster response. Despite its significance, accurately localizing
the geographical extent of these images, crucial for effective utilization,
poses substantial challenges. Current manual localization efforts are
time-consuming, motivating the need for automated solutions. We propose a novel
approach - leveraging image retrieval - to address this challenge efficiently.
We introduce innovative training techniques, including Year-Wise Data
Augmentation and a Neutral-Aware Multi-Similarity Loss, which contribute to the
development of a high-performance model, EarthLoc. We develop six evaluation
datasets and perform a comprehensive benchmark comparing EarthLoc to existing
methods, showcasing its superior efficiency and accuracy. Our approach marks a
significant advancement in automating the localization of astronaut
photography, which will help bridge a critical gap in Earth observations data.
Code and datasets are available at https://github.com/gmberton/EarthLoc
- Abstract(参考訳): 人類の宇宙飛行の60年にわたる宇宙写真は、科学研究と災害対応の両方に非常に価値のある独自の地球観測データセットを提示している。
その重要性にもかかわらず、これらの画像の地理的範囲を正確にローカライズすることは効果的な利用に不可欠であり、大きな課題となっている。
現在の手動ローカライズ作業は時間を要する作業であり、自動化ソリューションの必要性を動機付けている。
本稿では,この課題を効果的に解決するために,画像検索を活用した新しいアプローチを提案する。
我々は,高パフォーマンスモデルである EarthLoc の開発に寄与する,Year-Wise Data Augmentation や Neutral-Aware Multi-Similarity Loss など,革新的なトレーニング手法を導入する。
6つの評価データセットを開発し,既存の手法と比較した総合ベンチマークを行い,その優れた効率と精度を示す。
弊社のアプローチは、宇宙飛行士の写真のローカライゼーションを自動化し、地球観測データの重大なギャップを埋めるのに役立ちます。
コードとデータセットはhttps://github.com/gmberton/EarthLocで入手できる。
関連論文リスト
- Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳(メタデータ) (2025-02-19T14:21:25Z) - No Location Left Behind: Measuring and Improving the Fairness of Implicit Representations for Earth Data [13.412573082645096]
暗黙の神経表現(INR)は、地球表象の課題に対処する上での公約が増大している。
既存の手法はグローバルな平均性能を不均等に優先する。
FAIR-Earthは、地球表象の不等式を調べ、挑戦するための第一種データセットである。
論文 参考訳(メタデータ) (2025-02-05T16:51:13Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳(メタデータ) (2025-01-14T13:42:22Z) - Rapid Automated Mapping of Clouds on Titan With Instance Segmentation [0.49478969093606673]
我々は、転送学習により訓練されたMask R-CNNを用いて、カッシーニ探査機が取得したタイタン画像中の雲のインスタンスセグメンテーションを行う。
タイタン特有の課題にもかかわらず、我々のアプローチは地球や他の世界の現代の雲の識別研究に匹敵する精度を得る。
このような手法は、現在未利用の惑星科学における同様の問題に応用できる可能性が広いことを示唆する。
論文 参考訳(メタデータ) (2025-01-08T12:30:06Z) - EarthMatch: Iterative Coregistration for Fine-grained Localization of Astronaut Photography [18.978718859476267]
本研究では,宇宙飛行士の写真の微粒化を再現する,反復的ホモグラフィー推定手法であるEarthMatchを提案する。
提案手法の有効性をこのデータセットで証明し,画像マーカ比較のための新しい公正な方法を提案する。
われわれの方法では、45万枚の地球の写真の高速かつ正確なローカライズが可能になります。
論文 参考訳(メタデータ) (2024-05-08T20:46:36Z) - 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。
本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
論文 参考訳(メタデータ) (2022-07-13T16:40:02Z) - Earthformer: Exploring Space-Time Transformers for Earth System
Forecasting [27.60569643222878]
本研究では,地球系予測のための時空間変圧器である地球変圧器を提案する。
Transformerは、Cuboid Attentionという、汎用的で柔軟で効率的な時空アテンションブロックに基づいている。
降水量計に関する2つの実世界のベンチマークとエルニーノ/サウス・テンポシエーションの実験は、アースフォーマーが最先端のパフォーマンスを達成したことを示している。
論文 参考訳(メタデータ) (2022-07-12T20:52:26Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-12T12:52:20Z) - A Spacecraft Dataset for Detection, Segmentation and Parts Recognition [42.27081423489484]
本稿では,宇宙船検出,インスタンスのセグメンテーション,部分認識のためのデータセットをリリースする。
この研究の主な貢献は、宇宙ステーションと衛星の画像を用いたデータセットの開発である。
また、データセットのベンチマークとして、オブジェクト検出やインスタンスセグメンテーションにおける最先端の手法による評価も提供する。
論文 参考訳(メタデータ) (2021-06-15T14:36:56Z) - Batch Exploration with Examples for Scalable Robotic Reinforcement
Learning [63.552788688544254]
BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。
BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
論文 参考訳(メタデータ) (2020-10-22T17:49:25Z)
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。