論文の概要: Archaeoscape: Bringing Aerial Laser Scanning Archaeology to the Deep Learning Era

• arxiv url: http://arxiv.org/abs/2412.05203v1
• Date: Fri, 06 Dec 2024 17:32:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:57:25.547353
• Title: Archaeoscape: Bringing Aerial Laser Scanning Archaeology to the Deep Learning Era
• Title（参考訳）: アーカイオスケープ:深層学習にレーザー走査考古学をもたらす
• Authors: Yohann Perron, Vladyslav Sydorov, Adam P. Wijker, Damian Evans, Christophe Pottier, Loic Landrieu,
• Abstract要約: Archaeoscapeはカンボジアで888 km$2$の大規模なALSデータセットであり、31,141の注釈付き考古学的特徴がある。 Archaeoscapeは、オープンアクセスデータ、アノテーション、モデルを備えた最初のALS考古学リソースである。 この問題に対する現代のビジョン技術の利点を示すために,近年のセグメンテーションモデルをいくつかベンチマークした。
• 参考スコア（独自算出の注目度）: 4.627866592315685
• License:
• Abstract: Airborne Laser Scanning (ALS) technology has transformed modern archaeology by unveiling hidden landscapes beneath dense vegetation. However, the lack of expert-annotated, open-access resources has hindered the analysis of ALS data using advanced deep learning techniques. We address this limitation with Archaeoscape (available at https://archaeoscape.ai), a novel large-scale archaeological ALS dataset spanning 888 km$^2$ in Cambodia with 31,141 annotated archaeological features from the Angkorian period. Archaeoscape is over four times larger than comparable datasets, and the first ALS archaeology resource with open-access data, annotations, and models. We benchmark several recent segmentation models to demonstrate the benefits of modern vision techniques for this problem and highlight the unique challenges of discovering subtle human-made structures under dense jungle canopies. By making Archaeoscape available in open access, we hope to bridge the gap between traditional archaeology and modern computer vision methods.
• Abstract（参考訳）: 空中レーザースキャン(ALS)技術は、密集した植生の下に隠れた風景を明らかにすることで、現代の考古学を変革した。 しかし、専門家による注釈付きオープンアクセスリソースの欠如は、高度なディープラーニング技術を用いたALSデータの解析を妨げている。 カンボジアの888 km$^2$にまたがる大規模な考古学的ALSデータセットであるアルカイオスケープ(https://archaeoscape.ai)は、アンコリア時代の31,141の注釈付き考古学的特徴を持つ。 Archaeoscapeは、同等のデータセットの4倍以上の大きさで、オープンアクセスデータ、アノテーション、モデルを備えた最初のALS考古学リソースである。 この問題に対する現代の視覚技術の利点を実証するために,近年のセグメンテーションモデルをベンチマークし,密集したジャングル天蓋の下で微妙な人造構造物を発見するという,ユニークな課題を強調した。 Archaeoscapeをオープンアクセスで利用できるようにすることで、従来の考古学と現代のコンピュータビジョンのギャップを埋めたいと考えています。

関連論文リスト

• Deciphering Oracle Bone Language with Diffusion Models [70.69739681961558]
  Oracle Bone Script (OBS) は約3,000年前の中国の上海王朝に由来する。 本稿では,Oracle Bone Script Decipher(OBSD)の開発を通じて,画像生成技術を採用した新しいアプローチを提案する。 OBSDは、古代の言語のAI支援分析の新しいコースをグラフ化して、解読のための重要な手がかりを生成する。
  論文  参考訳（メタデータ） (2024-06-02T09:42:23Z)
• Deep Semantic Model Fusion for Ancient Agricultural Terrace Detection [17.102691286544136]
  本稿では,古代農耕段丘検出のための深部セマンティックモデル融合法を提案する。 提案手法は国際AI考古学チャレンジで優勝した。
  論文  参考訳（メタデータ） (2023-08-04T09:42:14Z)
• ArchGym: An Open-Source Gymnasium for Machine Learning Assisted Architecture Design [52.57999109204569]
  ArchGymは、さまざまな検索アルゴリズムをアーキテクチャシミュレータに接続するオープンソースのフレームワークである。 我々は、カスタムメモリコントローラ、ディープニューラルネットワークアクセラレータ、AR/VRワークロード用のカスタムSOCを設計する際に、複数のバニラおよびドメイン固有の検索アルゴリズムにわたってArchGymを評価する。
  論文  参考訳（メタデータ） (2023-06-15T06:41:23Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• ArcAid: Analysis of Archaeological Artifacts using Drawings [23.906975910478142]
  考古学はコンピュータビジョンの興味深い分野である。 ラベル付きデータに不足するだけでなく、高度に混ざったデータに悩まされる。 本稿では,考古学的遺物の画像の分類と検索のための,新しい半教師付きモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-17T11:57:01Z)
• Unsupervised Clustering of Roman Potsherds via Variational Autoencoders [63.8376359764052]
  我々は,ローマのコモンウェア・ポッシャードの分類作業において,考古学者を支援する人工知能ソリューションを提案する。 断片の部分性と手作りのばらつきは、それらのマッチングを困難な問題にしている。 深部畳み込み変分オートエンコーダ(VAE)ネットワークの潜時空間で学習した非線形特徴の教師なし階層的クラスタリングにより、類似したプロファイルをペアリングすることを提案する。
  論文  参考訳（メタデータ） (2022-03-14T18:56:13Z)
• Collaborative Mapping of Archaeological Sites using multiple UAVs [0.6212955085775759]
  考古学遺跡のより高速なマッピングのためのマルチUAV手法を提案する。 私たちは、インドのグジャラートにある15世紀の砦であるサドラ砦の最初の3Dマップを作成しました。
  論文  参考訳（メタデータ） (2021-05-17T07:12:40Z)
• The Barrier of meaning in archaeological data science [1.4057812746997125]
  考古学者たちは、コンピューティングのパワーとデバイスの増加によって、その分野におけるデータフローを経験している。 本稿では,この情報利用の増加に新たなコンピュータ技術が必要かどうかという予備的疑問を提起する。
  論文  参考訳（メタデータ） (2021-02-11T17:24:45Z)
• 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)
• Neural Sparse Voxel Fields [151.20366604586403]
  高速かつ高品質な自由視点レンダリングのためのニューラルシーン表現であるNeural Sparse Voxel Fields (NSVF)を紹介する。 NSVFは、各細胞の局所特性をモデル化するために、スパース・ボクセル・オクツリーで組織された、ボクセルに結合した暗黙のフィールドのセットを定義する。 提案手法は, 高い品質を達成しつつ, 推論時の最先端技術(NeRF(Mildenhall et al., 2020))よりも10倍以上高速である。
  論文  参考訳（メタデータ） (2020-07-22T17:51:31Z)
• The computerization of archaeology: survey on AI techniques [6.985152632198481]
  本論文は, 人工知能技術の考古学分野及びより具体的には, a) 展示の組織化のための創造的刺激としてのソフトウェアツールの利用について分析する。 遺跡出土の破片の分類及び陶器の復元 人類のカタログ化と研究は、属する社会的・歴史的文脈を理解するためである。 人類が到達できない深部に位置する海洋考古学遺跡の探査のための調査の設計は、自由に探索可能な3Dバージョンの構築を通じて行われた。
  論文  参考訳（メタデータ） (2020-05-05T17:09:48Z)

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。