論文の概要: AllClear: A Comprehensive Dataset and Benchmark for Cloud Removal in Satellite Imagery

• arxiv url: http://arxiv.org/abs/2410.23891v1
• Date: Thu, 31 Oct 2024 12:52:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:03:08.195988
• Title: AllClear: A Comprehensive Dataset and Benchmark for Cloud Removal in Satellite Imagery
• Title（参考訳）: AllClear: 衛星画像におけるクラウド削除のための総合データセットとベンチマーク
• Authors: Hangyu Zhou, Chia-Hsiang Kao, Cheng Perng Phoo, Utkarsh Mall, Bharath Hariharan, Kavita Bala,
• Abstract要約: クラウド削除のために$textitAllClear$という,世界最大のパブリックデータセットを紹介します。 このデータセットは、地球の表面を包括的にカバーし、より良い雲の除去結果を促進することを目的としている。
• 参考スコア（独自算出の注目度）: 38.538566901989526
• License:
• Abstract: Clouds in satellite imagery pose a significant challenge for downstream applications. A major challenge in current cloud removal research is the absence of a comprehensive benchmark and a sufficiently large and diverse training dataset. To address this problem, we introduce the largest public dataset -- $\textit{AllClear}$ for cloud removal, featuring 23,742 globally distributed regions of interest (ROIs) with diverse land-use patterns, comprising 4 million images in total. Each ROI includes complete temporal captures from the year 2022, with (1) multi-spectral optical imagery from Sentinel-2 and Landsat 8/9, (2) synthetic aperture radar (SAR) imagery from Sentinel-1, and (3) auxiliary remote sensing products such as cloud masks and land cover maps. We validate the effectiveness of our dataset by benchmarking performance, demonstrating the scaling law -- the PSNR rises from $28.47$ to $33.87$ with $30\times$ more data, and conducting ablation studies on the temporal length and the importance of individual modalities. This dataset aims to provide comprehensive coverage of the Earth's surface and promote better cloud removal results.
• Abstract（参考訳）: 衛星画像の雲は下流のアプリケーションにとって大きな課題となる。 現在のクラウド削除研究における大きな課題は、包括的なベンチマークと十分に大きく多様なトレーニングデータセットがないことである。 この問題に対処するため、クラウド削除のための最大のパブリックデータセットである$\textit{AllClear}$を紹介します。 各ROIは、(1)Sentinel-2とLandsat 8/9からのマルチスペクトル光学画像、(2)Sentinel-1からの合成開口レーダ(SAR)画像、(3)クラウドマスクやランドカバーマップなどの補助リモートセンシング製品を含む、2022年の完全な時間的キャプチャを含む。 パフォーマンスのベンチマーク、スケーリング法則の実証、PSNRは28.47ドルから33.87ドルまで上昇し、30ドル以上のデータを追加し、時間長と個々のモダリティの重要性に関するアブレーション研究を実施します。 このデータセットは、地球の表面を包括的にカバーし、より良い雲の除去結果を促進することを目的としている。

関連論文リスト

• SatFlow: Generative model based framework for producing High Resolution Gap Free Remote Sensing Imagery [0.0]
  SatFlowは低分解能MODIS画像とランドサット観測を融合して高分解能・高分解能表面反射率画像を生成する生成モデルベースフレームワークである。 条件付きフローマッチングを用いて学習した本モデルでは, 構造的・スペクトル的整合性のある画像の生成性能が向上した。 この機能は、作物のフェノロジー追跡や環境変化検出など、下流のアプリケーションに不可欠である。
  論文  参考訳（メタデータ） (2025-02-03T06:40:13Z)
• 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)
• IDF-CR: Iterative Diffusion Process for Divide-and-Conquer Cloud Removal in Remote-sensing Images [55.40601468843028]
  雲除去のための反復拡散過程(IDF-CR)を提案する。 IDF-CRは、ピクセル空間と潜在空間に対処する2段階のモデルに分けられる。 潜時空間の段階では、拡散モデルは低品質の雲の除去を高品質のクリーンな出力に変換する。
  論文  参考訳（メタデータ） (2024-03-18T15:23:48Z)
• 1st Place Solution to MultiEarth 2023 Challenge on Multimodal SAR-to-EO Image Translation [3.8424737607413153]
  マルチモーダル・ラーニング・フォー・アース・エコ環境ワークショップ(MultiEarth 2023)は、地球生態系の健康状態のモニタリングと分析のために、広範囲に収集された大量のリモートセンシングデータを活用することを目的としている。 サブタスクであるMultimodal SAR-to-EO Image Translationは、悪天候や照明条件下であっても堅牢なSARデータを使用し、高品質で透明で視覚的に魅力的なEOデータに変換する。 最終評価では、チームの「CDRL」は0.07313のMAEを獲得し、リーダーボードの最高位を確保した。
  論文  参考訳（メタデータ） (2023-06-22T01:32:30Z)
• MM811 Project Report: Cloud Detection and Removal in Satellite Images [0.0]
  我々は,アテンションGANを用いて衛星画像から雲を除去することを目的としている。 従来のGANとオートエンコーダを用いて得られた結果を再現して比較した。 このプロジェクトの結果は、クラウドフリーの衛星画像を必要とするアプリケーションの開発に利用できる。
  論文  参考訳（メタデータ） (2022-12-21T21:14:35Z)
• Toward Real-world Single Image Deraining: A New Benchmark and Beyond [79.5893880599847]
  現実シナリオにおけるSID(Single Image deraining)は近年注目されている。 以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。 我々はRealRain-1kという新しい高品質のデータセットを構築した。
  論文  参考訳（メタデータ） (2022-06-11T12:26:59Z)
• Exploring the Potential of SAR Data for Cloud Removal in Optical Satellite Imagery [41.40522618945897]
  我々は,SAR画像に埋め込まれた補完情報を活用するために,新しいグローバルローカル核融合型クラウド除去アルゴリズム(GLF-CR)を提案する。 提案アルゴリズムは高品質なクラウドフリーな画像を得ることができ、最先端のクラウド除去アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2022-06-06T18:53:19Z)
• Sentinel-1 and Sentinel-2 Spatio-Temporal Data Fusion for Clouds Removal [51.9654625216266]
  雲崩壊した光画像復元のための新しい手法が,ジョイントデータ融合パラダイムに基づいて提案され,開発されている。 Sentinelのコードとデータセットはスクラッチから実装され、さらなる分析と調査のために興味のある研究が利用可能になった点に注目しておくとよいだろう。
  論文  参考訳（メタデータ） (2021-06-23T08:15:01Z)
• Multi-Sensor Data Fusion for Cloud Removal in Global and All-Season Sentinel-2 Imagery [15.459106705735376]
  軌道上の地球画像を通して得られた光学観測の大部分は、雲の影響を受けている。 我々は、新しいクラウド除去アプローチをトレーニングするための大きな新しいデータセットをキュレートすることで、一般化の課題をターゲットにしている。 雲の網羅範囲は空の鮮明さと絶対的な網羅範囲で大きく異なるという観測に基づいて,両極端に対処できる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-09-16T13:40:42Z)

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。