論文の概要: Satellite Image Time Series Semantic Change Detection: Novel Architecture and Analysis of Domain Shift

• arxiv url: http://arxiv.org/abs/2407.07616v1
• Date: Wed, 10 Jul 2024 12:54:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 16:41:55.734484
• Title: Satellite Image Time Series Semantic Change Detection: Novel Architecture and Analysis of Domain Shift
• Title（参考訳）: 衛星画像時系列意味変化検出:新しい構造と領域シフトの解析
• Authors: Elliot Vincent, Jean Ponce, Mathieu Aubry,
• Abstract要約: 衛星画像時系列(SITS-SCD)を用いた意味変化検出の試み 本稿では,技術状況を改善し,パラメータの数に応じて拡張し,長期的時間的情報を活用する新しいアーキテクチャを提案する。 実用的なユースケースでは、モデルが空間的および時間的シフトに適応する必要があるが、これは依然として課題である。
• 参考スコア（独自算出の注目度）: 38.96950437566293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Satellite imagery plays a crucial role in monitoring changes happening on Earth's surface and aiding in climate analysis, ecosystem assessment, and disaster response. In this paper, we tackle semantic change detection with satellite image time series (SITS-SCD) which encompasses both change detection and semantic segmentation tasks. We propose a new architecture that improves over the state of the art, scales better with the number of parameters, and leverages long-term temporal information. However, for practical use cases, models need to adapt to spatial and temporal shifts, which remains a challenge. We investigate the impact of temporal and spatial shifts separately on global, multi-year SITS datasets using DynamicEarthNet and MUDS. We show that the spatial domain shift represents the most complex setting and that the impact of temporal shift on performance is more pronounced on change detection than on semantic segmentation, highlighting that it is a specific issue deserving further attention.
• Abstract（参考訳）: 衛星画像は、地球の地表で起きている変化を監視し、気候分析、生態系評価、災害対応を支援する上で重要な役割を担っている。 本稿では,衛星画像時系列(SITS-SCD)を用いて意味変化検出を行う。 本稿では,現状を改良し,パラメータの数に応じて拡張し,長期の時間的情報を活用する新しいアーキテクチャを提案する。 しかし、実際的なユースケースでは、モデルは空間的および時間的シフトに適応する必要がある。 本研究では,DynamicEarthNetとMUDSを用いたグローバル・マルチ年SITSデータセットに対する時間的・空間的シフトの影響について検討した。 空間領域シフトが最も複雑な設定を表現し、時間シフトがパフォーマンスに与える影響が意味的セグメンテーションよりも変化検出に顕著であることを示し、さらなる注意を払っている特定の問題であることを強調した。

関連論文リスト

• Paving the way toward foundation models for irregular and unaligned Satellite Image Time Series [0.0]
  衛星画像の空間的, スペクトル的, 時間的次元を考慮したALISEを提案する。 SITSで現在利用可能なSSLモデルとは異なり、ALISEはSITSを共通の学習された時間的プロジェクション空間に投影するための柔軟なクエリメカニズムを組み込んでいる。 PASTIS, 土地被覆区分 (MultiSenGE) , 新たな作物変化検出データセットの3つの下流課題を通じて, 生産された表現の質を評価する。
  論文  参考訳（メタデータ） (2024-07-11T12:42:10Z)
• A Late-Stage Bitemporal Feature Fusion Network for Semantic Change Detection [32.112311027857636]
  そこで本研究では,意味変化検出の課題に対処するため,新しい2段階の時間的特徴融合ネットワークを提案する。 具体的には,特徴融合を強化するため,局所的グローバルアテンショナルアグリゲーションモジュールを提案し,重要なセマンティクスを強調するために,局所的グローバルなコンテキスト拡張モジュールを提案する。 提案モデルにより,両データセットの最先端性能が向上する。
  論文  参考訳（メタデータ） (2024-06-15T16:02:10Z)
• 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)
• GlobalMind: Global Multi-head Interactive Self-attention Network for Hyperspectral Change Detection [22.22495802857453]
  地球の地表の高解像度画像により、ユーザーは微細なスケールで経時変化をモニターすることができる。 現在のアルゴリズムの多くは、まだローカルな特徴を記述することに限られており、グローバルな視点を取り入れていない。 我々は,異なる表面オブジェクトと変種土地被覆変換の暗黙的相関を探索するために,グローバルマルチヘッド Interactive Self-attention Change Detection Network (GlobalMind) を提案する。
  論文  参考訳（メタデータ） (2023-04-18T01:43:17Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [55.69322525367221]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• 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)
• Activation Regression for Continuous Domain Generalization with Applications to Crop Classification [48.795866501365694]
  衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。 中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。 我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
  論文  参考訳（メタデータ） (2022-04-14T15:41:39Z)
• Attentive Weakly Supervised land cover mapping for object-based satellite image time series data with spatial interpretation [4.549831511476249]
  本稿では,粗粒度ラベルの弱さをインテリジェントに活用できる,TASSELという新しいディープラーニングフレームワークを提案する。 私たちのフレームワークは、ブラックボックスをグレーにする目的で、モデル解釈可能性をサポートする追加のサイド情報も生成します。
  論文  参考訳（メタデータ） (2020-04-30T10:23:12Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。