論文の概要: Using Game Engines and Machine Learning to Create Synthetic Satellite Imagery for a Tabletop Verification Exercise

• arxiv url: http://arxiv.org/abs/2404.11461v2
• Date: Sun, 23 Jun 2024 10:38:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-26 01:02:45.398909
• Title: Using Game Engines and Machine Learning to Create Synthetic Satellite Imagery for a Tabletop Verification Exercise
• Title（参考訳）: ゲームエンジンと機械学習を用いたテーブルトップ検証演習のための合成衛星画像の作成
• Authors: Johannes Hoster, Sara Al-Sayed, Felix Biessmann, Alexander Glaser, Kristian Hildebrand, Igor Moric, Tuong Vy Nguyen,
• Abstract要約: ゲームエンジンと機械学習技術は、興味のある場所の合成画像を生成するために使用することができる。 分解能と外航角は衛星の異なる特性をシミュレートするために調整することができる。 本稿では、単純なモニタリングシナリオを検証可能なテーブルトップエクササイズをサポートするための有用性に焦点を当てる。
• 参考スコア（独自算出の注目度）: 36.34438102117041
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Satellite imagery is regarded as a great opportunity for citizen-based monitoring of activities of interest. Relevant imagery may however not be available at sufficiently high resolution, quality, or cadence -- let alone be uniformly accessible to open-source analysts. This limits an assessment of the true long-term potential of citizen-based monitoring of nuclear activities using publicly available satellite imagery. In this article, we demonstrate how modern game engines combined with advanced machine-learning techniques can be used to generate synthetic imagery of sites of interest with the ability to choose relevant parameters upon request; these include time of day, cloud cover, season, or level of activity onsite. At the same time, resolution and off-nadir angle can be adjusted to simulate different characteristics of the satellite. While there are several possible use-cases for synthetic imagery, here we focus on its usefulness to support tabletop exercises in which simple monitoring scenarios can be examined to better understand verification capabilities enabled by new satellite constellations and very short revisit times.
• Abstract（参考訳）: 衛星画像は、市民による関心活動の監視の絶好の機会と見なされている。 しかし、関連するイメージは十分な高解像度、品質、ケイデンスでは利用できないかもしれない。 このことは、市民が利用可能な衛星画像を用いて核活動を監視する真の長期的な可能性を評価することを制限する。 本稿では,最新のゲームエンジンと高度な機械学習技術を組み合わせることで,要求に応じて関連パラメータを選択可能なサイト合成画像を生成する方法を紹介する。 同時に、衛星の異なる特性をシミュレートするために解像度と外径の角度を調整することができる。 合成画像にはいくつかのユースケースが考えられるが、ここでは、新しい衛星コンステレーションと非常に短い再訪時間によって可能となる検証能力をよりよく理解するために、単純な監視シナリオを検証できるテーブルトップ演習を支援するための有用性に焦点を当てる。

関連論文リスト

• Learning autonomous driving from aerial imagery [67.06858775696453]
  フォトグラムシミュレーターは、生成済みの資産を新しいビューに変換することによって、新しいビューを合成することができる。 我々は、ニューラルネットワーク場(NeRF)を中間表現として使用し、地上車両の視点から新しいビューを合成する。
  論文  参考訳（メタデータ） (2024-10-18T05:09:07Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• Characterizing Satellite Geometry via Accelerated 3D Gaussian Splatting [0.0]
  本稿では,3次元ガウス散乱に基づく軌道上の衛星のマッピング手法を提案する。 ループ型衛星モックアップにおけるモデルトレーニングと3次元レンダリング性能を実演する。 我々のモデルでは、未知の衛星の高品質な新しいビューを、従来のNeRFベースのアルゴリズムよりも2桁近く高速にトレーニングし、レンダリングすることが可能であることが示されている。
  論文  参考訳（メタデータ） (2024-01-05T00:49:56Z)
• ViTs for SITS: Vision Transformers for Satellite Image Time Series [52.012084080257544]
  ビジョン変換器(ViT)に基づく一般衛星画像時系列(SITS)処理のための完全アテンショナルモデルを提案する。 TSViTはSITSレコードを空間と時間で重複しないパッチに分割し、トークン化し、分解されたテンポロ空間エンコーダで処理する。
  論文  参考訳（メタデータ） (2023-01-12T11:33:07Z)
• Self-Supervised Pretraining on Satellite Imagery: a Case Study on Label-Efficient Vehicle Detection [0.0]
  超高解像度光衛星画像における物体検出のためのドメイン内自己教師型表現学習について検討する。 我々は、世界地図の大規模な土地利用分類データセットを用いて、Momentum Contrastフレームワークの拡張による表現の事前訓練を行う。 次に,Preligensプロプライエタリなデータに基づいて,車両の詳細な検出と分類を行う実世界のタスクにおいて,このモデルが持つ伝達可能性について検討する。
  論文  参考訳（メタデータ） (2022-10-21T08:41:22Z)
• Unsupervised Discovery of Semantic Concepts in Satellite Imagery with Style-based Wavelet-driven Generative Models [27.62417543307831]
  本稿では,衛星画像の広帯域合成が可能な,最初の事前学習型およびウェーブレット型GANモデルを提案する。 ネットワークの中間的アクティベーションを解析することにより、解釈可能なセマンティックな方向を多数発見できることが示される。
  論文  参考訳（メタデータ） (2022-08-03T14:19:24Z)
• SatMAE: Pre-training Transformers for Temporal and Multi-Spectral Satellite Imagery [74.82821342249039]
  Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。 時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
  論文  参考訳（メタデータ） (2022-07-17T01:35:29Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• An Open-source Tool for Hyperspectral Image Augmentation in Tensorflow [0.0]
  現在のコンピュータビジョンシステムは、主に自然画像を含むアプリケーションに特化している。 この原稿は、ハイパースペクトル画像のインフローに対する画像拡張の実装を可能にするオープンソースツールを紹介している。
  論文  参考訳（メタデータ） (2020-03-30T14:28:12Z)

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。