Fugu-MT 論文翻訳(概要): TerraQ: Spatiotemporal Question-Answering on Satellite Image Archives

論文の概要: TerraQ: Spatiotemporal Question-Answering on Satellite Image Archives

arxiv url: http://arxiv.org/abs/2502.04415v1
Date: Thu, 06 Feb 2025 13:43:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-10 14:58:07.755660
Title: TerraQ: Spatiotemporal Question-Answering on Satellite Image Archives
Title（参考訳）: TerraQ: 時空間的質問-衛星画像アーカイブへの回答
Authors: Sergios-Anestis Kefalidis, Konstantinos Plas, Manolis Koubarakis,
Abstract要約: TerraQは、衛星アーカイブの質問応答エンジンである。特定の基準を満たす衛星画像の要求を処理するために構築されている。リクエストは、専門知識ベースからイメージとメタデータを参照することができる。
参考スコア（独自算出の注目度）: 2.4524104030886296
License:
Abstract: TerraQ is a spatiotemporal question-answering engine for satellite image archives. It is a natural language processing system that is built to process requests for satellite images satisfying certain criteria. The requests can refer to image metadata and entities from a specialized knowledge base (e.g., the Emilia-Romagna region). With it, users can make requests like "Give me a hundred images of rivers near ports in France, with less than 20% snow coverage and more than 10% cloud coverage", thus making Earth Observation data more easily accessible, in-line with the current landscape of digital assistants.
Abstract（参考訳）: TerraQは、衛星画像アーカイブのための時空間質問応答エンジンである。特定の基準を満たす衛星画像の要求を処理する自然言語処理システムである。リクエストは、特別な知識ベース(例えば、Emilia-Romagnaリージョン)からのイメージメタデータとエンティティを参照することができる。これにより、ユーザは、“フランスの港近くの川の画像100枚を、20%未満のスノーカバーと10%以上のクラウドカバーで提供”といったリクエストを、現在のデジタルアシスタントの状況に合わせて、より簡単にアクセスできるようになる。

関連論文リスト

SeeFar: Satellite Agnostic Multi-Resolution Dataset for Geospatial Foundation Models [0.0873811641236639]
SeeFar(シーファー)は、公共の衛星と商用衛星の多解像度衛星画像集である。衛星タイプに縛られずに地理空間基盤モデルのトレーニングのために,このデータセットをキュレートした。
論文参考訳（メタデータ） (2024-06-10T20:24:14Z)
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)
DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
論文参考訳（メタデータ） (2023-12-06T16:53:17Z)
Deep Learning Models for River Classification at Sub-Meter Resolutions from Multispectral and Panchromatic Commercial Satellite Imagery [2.121978045345352]
この研究は、Quickbird、WorldView、GeoEye衛星の画像を用いて北極の河川に焦点を当てている。我々は、8バンドマルチスペクトルセンサーのRGBとNIRバンドを用いており、これらの訓練されたモデルはすべて、衛星画像特有のトレーニングデータのオンザフライ前処理によって、検証データに対して90%以上の精度とリコールを達成している。新たなアプローチでは、マルチスペクトルモデルによる結果を用いて、パンクロマチック画像のみを必要とするFCNのトレーニングデータを生成する。
論文参考訳（メタデータ） (2022-12-27T20:56:34Z)
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)
Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
論文参考訳（メタデータ） (2022-03-26T20:10:38Z)
Seamless Satellite-image Synthesis [1.3401746329218014]
2Dデータは安価で容易だが、正確な衛星画像は高価であり、しばしば利用できない、または時代遅れである。我々のアプローチは、スケール空間を通して一貫した任意の範囲のシームレスなテクスチャである。
論文参考訳（メタデータ） (2021-11-05T10:42:24Z)
Edge Detection for Satellite Images without Deep Networks [2.741266294612776]
衛星画像解析への最近のアプローチは、ディープラーニングの方法を大きく強調している。ディープラーニングには、特殊なコンピューティングハードウェアの要件など、いくつかの欠点がある。巨大な衛星データセットを扱う場合、計算リソースとトレーニングデータアノテーションのコストは禁じられるかもしれない。
論文参考訳（メタデータ） (2021-05-26T15:47:42Z)
Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
論文参考訳（メタデータ） (2021-04-10T15:00:15Z)
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)
Visual search over billions of aerial and satellite images [0.0]
本稿では,何十億もの航空・衛星画像に対して視覚探索を行うシステムを提案する。ビジュアル検索の目的は、クエリ画像と視覚的に類似した画像を見つけることである。このシステムは、地表をリアルタイムに視覚的に探索することを可能にする。
論文参考訳（メタデータ） (2020-02-07T04:59:50Z)

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。