論文の概要: Advancing Earth Observation: A Survey on AI-Powered Image Processing in Satellites
- arxiv url: http://arxiv.org/abs/2501.12030v1
- Date: Tue, 21 Jan 2025 10:48:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:24:21.549189
- Title: Advancing Earth Observation: A Survey on AI-Powered Image Processing in Satellites
- Title（参考訳）: 地球観測の促進: 衛星におけるAIによる画像処理に関する調査
- Authors: Aidan Duggan, Bruno Andrade, Haithem Afli,
- Abstract要約: 技術の進歩は、地球観測衛星(EO)が捉えた画像の品質と量を大幅に向上させた。
これは、この画像を地球に送信して処理する従来のワークフローの有効性に挑戦している。
この問題に対処するためのアプローチは、事前訓練された人工知能モデルを使用して、衛星上で画像を処理することである。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Advancements in technology and reduction in it's cost have led to a substantial growth in the quality & quantity of imagery captured by Earth Observation (EO) satellites. This has presented a challenge to the efficacy of the traditional workflow of transmitting this imagery to Earth for processing. An approach to addressing this issue is to use pre-trained artificial intelligence models to process images on-board the satellite, but this is difficult given the constraints within a satellite's environment. This paper provides an up-to-date and thorough review of research related to image processing on-board Earth observation satellites. The significant constraints are detailed along with the latest strategies to mitigate them.
- Abstract（参考訳）: 技術の進歩とコストの削減は、地球観測衛星(EO)によって捉えられた画像の品質と量を大幅に向上させた。
これは、この画像を地球に送信して処理する従来のワークフローの有効性に挑戦している。
この問題に対処するためのアプローチは、事前訓練された人工知能モデルを使用して衛星上で画像を処理することだが、衛星の環境に制約があるため、これは難しい。
本報告では,地球観測衛星の画像処理に関する研究を,最新かつ徹底的にレビューする。
重要な制約は、それらを緩和するための最新の戦略とともに、詳細である。
関連論文リスト
- Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。
地上画像ごとに正の衛星画像と負の衛星画像を導き出す。
また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文 参考訳（メタデータ） (2024-09-10T12:57:16Z) - Addressing single object tracking in satellite imagery through prompt-engineered solutions [2.098136587906041]
衛星映像における小型物体の学習自由点追跡手法を提案する。
我々の戦略は、リモートセンシングアプリケーションにおける衛星画像に適したロバストな追跡ソリューションの大幅な進歩を示している。
論文 参考訳（メタデータ） (2024-07-07T23:50:29Z) - Towards Temporal Change Explanations from Bi-Temporal Satellite Images [28.445851360368803]
本稿では,衛星画像間の時間的変化を説明するために,大規模視覚言語モデルの有用性について検討する。
本稿では,衛星画像のパーパを入力として扱う3つのプロンプト手法を提案する。
人間の評価により,ステップ・バイ・ステップの推論に基づく推論の有効性を見出した。
論文 参考訳（メタデータ） (2024-06-27T12:49:22Z) - SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。
アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。
実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
論文 参考訳（メタデータ） (2024-06-14T17:58:28Z) - Robust Disaster Assessment from Aerial Imagery Using Text-to-Image Synthetic Data [66.49494950674402]
航空画像からの損傷評価のタスクのための大規模合成監視を作成する際に,新たなテキスト・画像生成モデルを活用する。
低リソース領域から何千ものポストディスアスター画像を生成するために、効率的でスケーラブルなパイプラインを構築しています。
我々は,xBDおよびSKAI画像のクロスジオグラフィー領域転送設定におけるフレームワークの強度を,単一ソースとマルチソースの両方で検証する。
論文 参考訳（メタデータ） (2024-05-22T16:07:05Z) - Deep Learning for Satellite Image Time Series Analysis: A Review [5.882962965835289]
本稿では,SITSデータから環境,農業,その他の地球観測変数をモデル化する最先端の手法について,深層学習法を用いて概説する。
論文 参考訳（メタデータ） (2024-04-05T07:44:17Z) - Vehicle Perception from Satellite [54.07157185000604]
データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。
小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。
128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
論文 参考訳（メタデータ） (2024-02-01T15:59:16Z) - Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。
本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2022-05-24T23:29:04Z) - Spatial-Temporal Super-Resolution of Satellite Imagery via Conditional
Pixel Synthesis [66.50914391487747]
高精度な高解像度画像を生成するために,高解像度の高解像度画像を用いた条件付き画素合成モデルを提案する。
我々は,本モデルにおいて,オブジェクトカウントという重要なダウンストリームタスクにおいて,フォトリアリスティックなサンプル品質を実現し,競合するベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-22T02:16:24Z) - Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of
Satellite Images [54.44842669325082]
本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。
低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。
本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
論文 参考訳（メタデータ） (2020-08-03T13:55:39Z)
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。