論文の概要: Comparison Study: Glacier Calving Front Delineation in Synthetic Aperture Radar Images With Deep Learning

• arxiv url: http://arxiv.org/abs/2501.05281v1
• Date: Thu, 09 Jan 2025 14:43:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 14:00:00.879946
• Title: Comparison Study: Glacier Calving Front Delineation in Synthetic Aperture Radar Images With Deep Learning
• Title（参考訳）: 深層学習を用いた合成開口レーダ画像における氷河硬化前面線線図の比較検討
• Authors: Nora Gourmelon, Konrad Heidler, Erik Loebel, Daniel Cheng, Julian Klink, Anda Dong, Fei Wu, Noah Maul, Moritz Koch, Marcel Dreier, Dakota Pyles, Thorsten Seehaus, Matthias Braun, Andreas Maier, Vincent Christlein,
• Abstract要約: 本研究は、共通の計算フロントベンチマークデータセット上でのディープラーニングシステムの初回比較を示す。 最高のDLモデルの出力は平均で221m、人間のアノテータの平均偏差は38mである。 この大きな違いは、現在のDLシステムは、まだ人間のパフォーマンスに合わないことを示し、氷河カルビングフロントの完全な自動監視を可能にするためには、さらなる研究が必要であることを示している。
• 参考スコア（独自算出の注目度）: 11.298727820998566
• License:
• Abstract: Calving front position variation of marine-terminating glaciers is an indicator of ice mass loss and a crucial parameter in numerical glacier models. Deep Learning (DL) systems can automatically extract this position from Synthetic Aperture Radar (SAR) imagery, enabling continuous, weather- and illumination-independent, large-scale monitoring. This study presents the first comparison of DL systems on a common calving front benchmark dataset. A multi-annotator study with ten annotators is performed to contrast the best-performing DL system against human performance. The best DL model's outputs deviate 221 m on average, while the average deviation of the human annotators is 38 m. This significant difference shows that current DL systems do not yet match human performance and that further research is needed to enable fully automated monitoring of glacier calving fronts. The study of Vision Transformers, foundation models, and the inclusion and processing strategy of more information are identified as avenues for future research.
• Abstract（参考訳）: 海洋終末氷河の前方位置の変動は、氷河質量減少の指標であり、数値的な氷河モデルにおいて重要なパラメータである。 深層学習(DL)システムは、SAR(Synthetic Aperture Radar)画像からこの位置を自動的に抽出し、連続、天気、照明に依存しない大規模監視を可能にする。 本研究は、共通計算フロントベンチマークデータセットにおけるDLシステムの初回比較について述べる。 10個のアノテータを用いたマルチアノテータによる研究を行い、最高の性能のDLシステムと人間のパフォーマンスの対比を行った。 最高のDLモデルの出力は平均で221m、人間のアノテータの平均偏差は38mである。 この大きな違いは、現在のDLシステムは、まだ人間のパフォーマンスに合わないことを示し、氷河カルビングフロントの完全な自動監視を可能にするためには、さらなる研究が必要であることを示している。 ビジョントランスフォーマーの研究、基礎モデル、さらなる情報の統合と処理戦略は、今後の研究の道筋として認識される。

関連論文リスト

• Enhancing Robustness of Human Detection Algorithms in Maritime SAR through Augmented Aerial Images to Simulate Weather Conditions [1.660242118349614]
  本稿では,海中SARにおける人間の検出精度を向上させることを目的として,様々な標高と地質的位置を含む頑健なデータセットを評価する。 その結果, 強化データセットを用いたモデルでは, ヒトのリコールスコアが0.891から0.911の範囲で, YOLOv5lモデルでは3.4%向上した。
  論文  参考訳（メタデータ） (2024-08-25T08:23:06Z)
• Reconstructing the Tropical Pacific Upper Ocean using Online Data Assimilation with a Deep Learning model [0.0]
  深層学習(DL)モデルは、気候モデルデータセットに基づいて訓練され、熱帯太平洋の線形逆モデル(LIM)と比較される。 DLモデルでは, 再解析データセットで検証した場合, LIMよりも精度の高い予測が得られた。 次に,24回の海面温度観測から,月平均上の海を再構築するためのアンサンブルカルマンフィルタの能力を評価する。
  論文  参考訳（メタデータ） (2024-06-11T08:45:41Z)
• An Experimental Study on Exploring Strong Lightweight Vision Transformers via Masked Image Modeling Pre-Training [51.622652121580394]
  Masked Image Modeling (MIM) Pre-training for Large-scale Vision Transformer (ViTs) は、学習した自己教師型ViT機能に加えて、下流での有望なパフォーマンスを実現する。 本稿では,テキストテキストレメリーで軽量なViTの微調整性能が,この事前学習パラダイムの恩恵を受けるかどうかを問う。 バニラ/階層設計(5.7M$/6.5M$)による純軽量ViTの蒸留による事前トレーニングは、ImageNet-1で79.4%$/78.9%の精度で達成できる。
  論文  参考訳（メタデータ） (2024-04-18T14:14:44Z)
• SGD: Street View Synthesis with Gaussian Splatting and Diffusion Prior [53.52396082006044]
  現在の手法では、トレーニングの観点から大きく逸脱する観点で、レンダリングの品質を維持するのに苦労しています。 この問題は、移動中の車両の固定カメラが捉えた、まばらなトレーニングビューに起因している。 そこで本研究では,拡散モデルを用いて3DGSのキャパシティを向上させる手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T09:20:29Z)
• Insight Into the Collocation of Multi-Source Satellite Imagery for Multi-Scale Vessel Detection [2.8948274245812327]
  深層学習(DL)を用いた衛星画像からの船舶検出は、海上監視にとって必須のソリューションである。 1つのデータセットでトレーニングされたDLモデルを、空間分解能と放射能の特徴が異なる他のデータセットに適用するには、多くの調整が必要である。 本稿では、異なる光学画像とレーダと光学データの組み合わせからなるデータセットに基づいて訓練されたDLモデルに焦点を当てた。
  論文  参考訳（メタデータ） (2024-03-20T16:03:01Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
  氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です 深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。 本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
  論文  参考訳（メタデータ） (2023-02-06T12:39:40Z)
• Could Giant Pretrained Image Models Extract Universal Representations? [94.97056702288317]
  本稿では,多種多様なコンピュータビジョンタスクに適用した凍結事前学習モデルについて述べる。 私たちの研究は、この凍結した設定にどのような事前学習タスクが最適か、凍結した設定を様々な下流タスクに柔軟にする方法、より大きなモデルサイズの影響について、質問に答えています。
  論文  参考訳（メタデータ） (2022-11-03T17:57:10Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)

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。