論文の概要: VibrantVS: A high-resolution multi-task transformer for forest canopy height estimation

• arxiv url: http://arxiv.org/abs/2412.10351v1
• Date: Fri, 13 Dec 2024 18:47:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:02:30.687785
• Title: VibrantVS: A high-resolution multi-task transformer for forest canopy height estimation
• Title（参考訳）: VibrantVS:森林天蓋高さ推定のための高分解能マルチタスクトランス
• Authors: Tony Chang, Kiarie Ndegwa, Andreas Gros, Vincent A. Landau, Luke J. Zachmann, Bogdan State, Mitchell A. Gritts, Colton W. Miller, Nathan E. Rutenbeck, Scott Conway, Guy Bayes,
• Abstract要約: 本稿では,4バンド国立農業画像プログラム (NAIP) 画像を用いたキャノピー高さモデル (CHM) 推定のための視覚変換器 (ViT) モデルの適用について検討する。 我々は,このモデルの有効性を,他の3つのベンチマーク・ピアレビューモデルと比較し,エコリージョンやクラスの高さにまたがる精度と精度で比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper explores the application of a novel multi-task vision transformer (ViT) model for the estimation of canopy height models (CHMs) using 4-band National Agriculture Imagery Program (NAIP) imagery across the western United States. We compare the effectiveness of this model in terms of accuracy and precision aggregated across ecoregions and class heights versus three other benchmark peer-reviewed models. Key findings suggest that, while other benchmark models can provide high precision in localized areas, the VibrantVS model has substantial advantages across a broad reach of ecoregions in the western United States with higher accuracy, higher precision, the ability to generate updated inference at a cadence of three years or less, and high spatial resolution. The VibrantVS model provides significant value for ecological monitoring and land management decisions for wildfire mitigation.
• Abstract（参考訳）: 本稿では,米国西部の4バンド国立農業画像プログラム (NAIP) 画像を用いたキャノピー高さモデル (CHM) 推定のための,新しいマルチタスク・ビジョン・トランスフォーマ (ViT) モデルの適用について検討する。 我々は,このモデルの有効性を,他の3つのベンチマーク・ピアレビューモデルと比較し,エコリージョンやクラスの高さにまたがる精度と精度で比較した。 主要な発見は、他のベンチマークモデルが局所的な領域で高い精度を提供できる一方で、VibrantVSモデルは、より精度が高く、高精度で、3年以下のケイデンスで最新の推論を生成することができ、空間分解能が高く、米国西部の広い範囲のエコリージョンにかなりの利点があることを示している。 VibrantVSモデルは、森林火災対策のための生態モニタリングと土地管理の決定に重要な価値を提供する。

関連論文リスト

• Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
  本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。 検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。 また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T17:59:39Z)
• Global Vegetation Modeling with Pre-Trained Weather Transformers [2.238622204691961]
  我々は、植物活動のモデル化のために、利用可能なFourCastNetを適応させる。 我々は、大気の状態の学習されたグローバルな表現が、正規化差分植生指標(NDVI)をモデル化するためにどのように転送できるかを検討する。 我々は,事前学習した気象モデルを利用することで,NDVIモデルをスクラッチから学習するよりもNDVI推定を改善することを示した。
  論文  参考訳（メタデータ） (2024-03-27T10:45:16Z)
• Deep autoregressive modeling for land use land cover [0.0]
  ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。 土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-01-02T18:03:57Z)
• RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
  マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。 本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
  論文  参考訳（メタデータ） (2023-12-19T03:39:56Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Multi-modal learning for geospatial vegetation forecasting [1.8180482634934092]
  我々は,高分解能植生予測に特化して設計された最初のデータセットであるGreenEarthNetを紹介する。 また、Sentinel 2衛星画像から植生の緑度を予測するための新しい深層学習手法であるContextformerを提案する。 我々の知る限り、この研究は、季節的サイクルを超えた異常を捉えることができる微細な解像度で大陸規模の植生モデリングのための最初のモデルを示す。
  論文  参考訳（メタデータ） (2023-03-28T17:59:05Z)
• Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
  野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。 本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
  論文  参考訳（メタデータ） (2022-09-01T10:46:09Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• From Sound Representation to Model Robustness [82.21746840893658]
  本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:30:49Z)

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。