論文の概要: Diffusion-based Method for Satellite Pattern-of-Life Identification
- arxiv url: http://arxiv.org/abs/2412.10814v1
- Date: Sat, 14 Dec 2024 12:39:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:54:43.241355
- Title: Diffusion-based Method for Satellite Pattern-of-Life Identification
- Title（参考訳）: 拡散法による衛星の生活パターン同定
- Authors: Yongchao Ye, Xinting Zhu, Xuejin Shen, Xiaoyu Chen, Lishuai Li, S. Joe Qin,
- Abstract要約: 本稿では,新しい拡散型衛星パタン・オブ・ライフ(PoL)識別法を提案する。
我々は時系列エンコーダを用いて衛星位置データの隠れ表現をキャプチャする。
提案手法は高い識別精度を示し,データサンプリング率の低下を伴っても堅牢な解を提供する。
- 参考スコア（独自算出の注目度）: 9.086821797147241
- License:
- Abstract: Satellite pattern-of-life (PoL) identification is crucial for space safety and satellite monitoring, involving the analysis of typical satellite behaviors such as station-keeping, drift, etc. However, existing PoL identification methods remain underdeveloped due to the complexity of aerospace systems, variability in satellite behaviors, and fluctuating observation sampling rates. In a first attempt, we developed a domain expertise-informed machine learning method (Expert-ML) to combine satellite orbital movement knowledge and machine learning models. The Expert-ML method achieved high accuracy results in simulation data and real-world data with normal sampling rate. However, this approach lacks of generality as it requires domain expertise and its performance degraded significantly when data sampling rate varied. To achieve generality, we propose a novel diffusion-based PoL identification method. Distinct from prior approaches, the proposed method leverages a diffusion model to achieve end-to-end identification without manual refinement or domain-specific knowledge. Specifically, we employ a multivariate time-series encoder to capture hidden representations of satellite positional data. The encoded features are subsequently incorporated as conditional information in the denoising process to generate PoL labels. Through experimentation across real-world satellite settings, our proposed diffusion-based method demonstrates its high identification quality and provides a robust solution even with reduced data sampling rates, indicating its great potential in practical satellite behavior pattern identification, tracking and related mission deployment.
- Abstract（参考訳）: 衛星のパターン・オブ・ライフ(PoL)の識別は、宇宙の安全と衛星の監視に不可欠であり、衛星の維持やドリフトなどの典型的な衛星の挙動の分析を含む。
しかし、既存のPoL識別法は、航空宇宙システムの複雑さ、衛星の挙動のばらつき、および変動する観測サンプリング率により、未開発のままである。
最初の試みとして、衛星軌道運動知識と機械学習モデルを組み合わせたドメイン専門知識を用いた機械学習手法(Expert-ML)を開発した。
Expert-ML法は,通常のサンプリングレートでシミュレーションデータと実世界のデータを用いて高精度な結果を得た。
しかし、ドメインの専門知識を必要とするため、このアプローチには汎用性が欠如しており、データのサンプリングレートが変化するとパフォーマンスが大幅に低下する。
汎用性を実現するために,新しい拡散型PoL識別法を提案する。
提案手法は,従来の手法と異なり,拡散モデルを用いて手作業やドメイン固有の知識を使わずに,エンドツーエンドの識別を実現する。
具体的には,衛星位置データの隠れ表現を捉えるために,多変量時系列エンコーダを用いる。
符号化された特徴は、後に条件情報としてデノナイズプロセスに組み込まれ、PoLラベルを生成する。
提案手法は,実世界の衛星環境における実験を通じて高い識別精度を示し,データサンプリング率を低下させたとしてもロバストなソリューションを提供し,衛星の行動パターンの同定や追跡,関連ミッションの展開において大きな可能性を示唆している。
関連論文リスト
- Towards Satellite Non-IID Imagery: A Spectral Clustering-Assisted Federated Learning Approach [29.593406320684448]
低軌道(LEO)衛星は、様々なモノのインターネット(IoT)アプリケーションを実現するために、豊富な地球観測データ(EOD)を集めることができる。
効率的なEDD処理機構を実現するためには,1) 衛星と地上局の接続が間欠的であるため,大規模なデータを地上に送信することなく観測データを処理すること,2) 非独立で同一の(非IID)衛星データを処理すること,の課題を検討する必要がある。
軌道を用いたスペクトルクラスタリングによるクラスタリング型自己知識蒸留(OSC-FSKD)を提案する。
論文 参考訳（メタデータ） (2024-10-17T14:36:58Z) - Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。
本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。
提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
論文 参考訳（メタデータ） (2024-05-22T22:22:25Z) - SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。
我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文 参考訳（メタデータ） (2024-03-25T10:30:22Z) - Semi-supervised Open-World Object Detection [74.95267079505145]
半教師付きオープンワールド検出(SS-OWOD)という,より現実的な定式化を導入する。
提案したSS-OWOD設定では,最先端OWOD検出器の性能が劇的に低下することが実証された。
我々は,MS COCO, PASCAL, Objects365, DOTAの4つのデータセットを用いた実験を行い, 提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2024-02-25T07:12:51Z) - Unsupervised Discovery of Interpretable Directions in h-space of
Pre-trained Diffusion Models [63.1637853118899]
本稿では,事前学習した拡散モデルのh空間における解釈可能な方向を特定するための,教師なしおよび学習に基づく最初の手法を提案する。
我々は、事前訓練された拡散モデルのh-スペースで動作するシフト制御モジュールを用いて、サンプルをシフトしたバージョンに操作する。
それらを共同で最適化することで、モデルは自然に絡み合った、解釈可能な方向を発見する。
論文 参考訳（メタデータ） (2023-10-15T18:44:30Z) - SatDM: Synthesizing Realistic Satellite Image with Semantic Layout
Conditioning using Diffusion Models [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。
本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。
提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
論文 参考訳（メタデータ） (2023-09-28T19:39:13Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Super-Resolution of BVOC Emission Maps Via Domain Adaptation [17.819699053848197]
ディープラーニング(DL)に基づく超解法(SR)法が提案されている。
本研究は,衛星観測から得られた高分解能発光マップの超解像化を目的として,数値シミュレーションにより得られた放射マップの情報を活用することを目的とする。
本研究では, シミュレーションおよび観測されたエミッションの数を系統的に変化させることで, 異なる段階におけるドメイン適応(DA)戦略の有効性を検討する。
論文 参考訳（メタデータ） (2023-06-22T10:59:15Z) - Combining multi-spectral data with statistical and deep-learning models
for improved exoplanet detection in direct imaging at high contrast [39.90150176899222]
太陽系外惑星の信号は、いくつかの観測と専用の検出アルゴリズムを組み合わせることでのみ識別できる。
我々は,観測結果から直接,ニュアンスの空間的,時間的,スペクトル的特性のモデルを学ぶ。
その後、畳み込みニューラルネットワーク(CNN)が教師ありの方法で訓練され、合成源の残像を検出する。
論文 参考訳（メタデータ） (2023-06-21T13:42:07Z) - Multimodal learning-based inversion models for the space-time
reconstruction of satellite-derived geophysical fields [40.33123267556167]
各種の衛星センサーは、衛星軌道による異なるサンプリングパターンの観測データや、大気環境に対する感度を提供する。
本稿では,エンドツーエンドの学習手法がマルチモーダル・インバージョン問題に対処するための新しい手段を提供する方法について検討する。
本手法は,衛星から得られた海面温度画像から適切な情報を抽出し,衛星高度データからの海面電流の復元をいかに進めるかを示す。
論文 参考訳（メタデータ） (2022-03-20T20:37:03Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-13T04:12:59Z)
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。