Fugu-MT 論文翻訳(概要): Data-Driven Invertible Neural Surrogates of Atmospheric Transmission

論文の概要: Data-Driven Invertible Neural Surrogates of Atmospheric Transmission

arxiv url: http://arxiv.org/abs/2404.19605v1
Date: Tue, 30 Apr 2024 14:55:57 GMT
ステータス: 処理完了
システム内更新日: 2024-05-01 13:55:56.806596
Title: Data-Driven Invertible Neural Surrogates of Atmospheric Transmission
Title（参考訳）: データ駆動型可逆ニューラルサロゲートによる大気透過
Authors: James Koch, Brenda Forland, Bruce Bernacki, Timothy Doster, Tegan Emerson,
Abstract要約: 本稿では,スペクトル場から大気透過プロファイルを推定するための枠組みを提案する。物理に基づくシミュレータが自動的に調整され、観測されたデータをモデル化するための代理的な大気プロファイルが構築される。
参考スコア（独自算出の注目度）: 2.6938549839852524
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a framework for inferring an atmospheric transmission profile from a spectral scene. This framework leverages a lightweight, physics-based simulator that is automatically tuned - by virtue of autodifferentiation and differentiable programming - to construct a surrogate atmospheric profile to model the observed data. We demonstrate utility of the methodology by (i) performing atmospheric correction, (ii) recasting spectral data between various modalities (e.g. radiance and reflectance at the surface and at the sensor), and (iii) inferring atmospheric transmission profiles, such as absorbing bands and their relative magnitudes.
Abstract（参考訳）: 本稿では,スペクトル場から大気透過プロファイルを推定するための枠組みを提案する。このフレームワークは、自動微分と微分可能なプログラミングによって自動チューニングされる軽量な物理ベースのシミュレータを利用して、観測されたデータをモデル化するための代理的な大気プロファイルを構築する。方法論の有効性を実証する。 (一)大気補正を行うこと二各種モード間のスペクトルデータ(例えば、表面及びセンサにおける放射率及び反射率)のリキャスト及び三吸収帯等の大気透過プロファイルとその相対等級を推定すること。

関連論文リスト

Stochastic Reconstruction of Gappy Lagrangian Turbulent Signals by Conditional Diffusion Models [1.7810134788247751]
本研究では, 乱流によって受動的に対流する小物体の軌道に沿って, 空間・速度の欠落を再現する手法を提案する。近年提案されているデータ駆動機械学習技術である条件付き生成拡散モデルを利用する。
論文参考訳（メタデータ） (2024-10-31T14:26:10Z)
An Atmospheric Correction Integrated LULC Segmentation Model for High-Resolution Satellite Imagery [0.0]
本研究では、大気の反射率と透過率を推定するために、ルックアップテーブルに基づく放射移動シミュレーションを用いる。その後、修正された表面反射データは、教師付きおよび半教師付きセグメンテーションモデルで使用された。
論文参考訳（メタデータ） (2024-09-09T10:47:39Z)
Effect of Fog Particle Size Distribution on 3D Object Detection Under Adverse Weather Conditions [3.9908045942106165]
大気中の霧の存在は、システム全体の性能を著しく低下させる。悪天候下における3次元物体検出における霧粒径分布の役割を解析した。
論文参考訳（メタデータ） (2024-08-02T08:06:12Z)
KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
Object recognition in atmospheric turbulence scenes [2.657505380055164]
乱流環境におけるオブジェクトの型を検知・分類するための歪み特徴を学習する新しいフレームワークを提案する。具体的には、変形可能な畳み込みを利用して空間変位を処理する。提案手法は平均精度(mAP)が30%を超えるベンチマークよりも優れていることを示す。
論文参考訳（メタデータ） (2022-10-25T20:21:25Z)
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)
Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion Networks [63.596602299263935]
本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
論文参考訳（メタデータ） (2022-05-03T07:54:39Z)
Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文参考訳（メタデータ） (2022-01-07T22:26:33Z)
Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
論文参考訳（メタデータ） (2021-12-22T00:52:56Z)
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)
Interpreting Stellar Spectra with Unsupervised Domain Adaptation [0.0]
我々は、シミュレートされたドメインと観測されたドメイン間の転送がいかに可能かを示す。恒星分光スカイサーベイを解釈するアプリケーションにより、我々はドメイン転送パイプラインを構築した。
論文参考訳（メタデータ） (2020-07-06T23:09:13Z)

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。