論文の概要: OpenEarthSensing: Large-Scale Fine-Grained Benchmark for Open-World Remote Sensing

• arxiv url: http://arxiv.org/abs/2502.20668v1
• Date: Fri, 28 Feb 2025 02:49:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:44:12.059392
• Title: OpenEarthSensing: Large-Scale Fine-Grained Benchmark for Open-World Remote Sensing
• Title（参考訳）: OpenEarthSensing: 大規模ファイングラインドベンチマークによるオープンワールドリモートセンシング
• Authors: Xiang Xiang, Zhuo Xu, Yao Deng, Qinhao Zhou, Yifan Liang, Ke Chen, Qingfang Zheng, Yaowei Wang, Xilin Chen, Wen Gao,
• Abstract要約: オープンワールドリモートセンシングのための大規模きめ細かいベンチマークであるOpenEarthSensingを紹介する。 OpenEarthSensingには189のシーンとオブジェクトが含まれており、現実世界で起こりうる潜在的なセマンティックシフトの大部分をカバーしている。 我々はOpenEarthSensing上で,現在主流のオープンワールドタスクとメソッドのベースライン評価を行う。
• 参考スコア（独自算出の注目度）: 57.050679160659705
• License:
• Abstract: In open-world remote sensing, deployed models must continuously adapt to a steady influx of new data, which often exhibits various shifts compared to what the model encountered during the training phase. To effectively handle the new data, models are required to detect semantic shifts, adapt to covariate shifts, and continuously update themselves. These challenges give rise to a variety of open-world tasks. However, existing open-world remote sensing studies typically train and test within a single dataset to simulate open-world conditions. Currently, there is a lack of large-scale benchmarks capable of evaluating multiple open-world tasks. In this paper, we introduce OpenEarthSensing, a large-scale fine-grained benchmark for open-world remote sensing. OpenEarthSensing includes 189 scene and objects categories, covering the vast majority of potential semantic shifts that may occur in the real world. Additionally, OpenEarthSensing encompasses five data domains with significant covariate shifts, including two RGB satellite domians, one RGB aerial domian, one MS RGB domian, and one infrared domian. The various domains provide a more comprehensive testbed for evaluating the generalization performance of open-world models. We conduct the baseline evaluation of current mainstream open-world tasks and methods on OpenEarthSensing, demonstrating that it serves as a challenging benchmark for open-world remote sensing.
• Abstract（参考訳）: オープンワールドリモートセンシングでは、デプロイされたモデルは、トレーニングフェーズで遭遇したモデルと比較して、さまざまなシフトを示すため、新しいデータの定常的な流入に継続的に適応する必要があります。 新しいデータを効果的に処理するには、セマンティックシフトを検出し、共変量シフトに適応し、継続的に更新する必要がある。 これらの課題は、さまざまなオープンワールドタスクを引き起こします。 しかし、既存のオープンワールドリモートセンシング研究は通常、1つのデータセット内でトレーニングとテストを行い、オープンワールドの条件をシミュレートする。 現在、複数のオープンワールドタスクを評価することのできる大規模なベンチマークが不足している。 本稿では,オープンワールドリモートセンシングのための大規模きめ細かいベンチマークであるOpenEarthSensingを紹介する。 OpenEarthSensingには189のシーンとオブジェクトのカテゴリが含まれており、現実世界で起こりうる潜在的なセマンティックシフトの大部分をカバーしている。 さらにOpenEarthSensingは、RGB衛星ドミアン2つ、RGB空中ドミアン1つ、MS RGBドミアン1つ、赤外線ドミアン1つを含む、大きな共変量シフトを持つ5つのデータドメインを含んでいる。 様々な領域は、オープンワールドモデルの一般化性能を評価するためのより包括的なテストベッドを提供する。 我々は、現在主流となっているオープンワールドタスクとメソッドをOpenEarthSensing上でベースライン評価し、オープンワールドリモートセンシングの挑戦的なベンチマークとして機能することを実証した。

関連論文リスト

• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• EarthDial: Turning Multi-sensory Earth Observations to Interactive Dialogues [46.601134018876955]
  EarthDialは、地球観測(EO)データ用に特別に設計された会話アシスタントである。 複雑な多感覚地球観測を対話的な自然言語対話に変換する。 EarthDialはマルチスペクトル、マルチテンポラル、マルチレゾリューション画像をサポートする。
  論文  参考訳（メタデータ） (2024-12-19T18:57:13Z)
• OpenAD: Open-World Autonomous Driving Benchmark for 3D Object Detection [47.9080685468069]
  OpenADは3Dオブジェクト検出のための世界初のオープンワールド自動運転ベンチマークである。 OpenADは、マルチモーダル大言語モデル(MLLM)と統合されたコーナーケースの発見とアノテーションパイプライン上に構築されている。
  論文  参考訳（メタデータ） (2024-11-26T01:50:06Z)
• Generalized Few-Shot Semantic Segmentation in Remote Sensing: Challenge and Benchmark [18.636210870172675]
  ほとんどショットのセマンティックセグメンテーションは、訓練中に見られない新しいクラスのラベル付き例から学ぶことをディープラーニングモデルに促す。 一般化された数ショットセグメンテーション設定では、モデルが新しいクラスに適応するだけでなく、トレーニングベースクラスで強力なパフォーマンスを維持することを奨励する追加の課題がある。 一般化された数ショット評価設定のためにラベル付けされた追加クラスを備えたOpenEarthMapの拡張データセットをリリースする。
  論文  参考訳（メタデータ） (2024-09-17T14:20:47Z)
• An Open-World, Diverse, Cross-Spatial-Temporal Benchmark for Dynamic Wild Person Re-Identification [58.5877965612088]
  人物再識別(ReID)は、データ駆動のディープラーニング技術のおかげで大きな進歩を遂げました。 既存のベンチマークデータセットには多様性がなく、これらのデータに基づいてトレーニングされたモデルは、動的なワイルドシナリオに対してうまく一般化できない。 OWDと呼ばれる新しいOpen-World, Diverse, Cross-Spatial-Temporalデータセットを開発した。
  論文  参考訳（メタデータ） (2024-03-22T11:21:51Z)
• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery [35.550999964460466]
  本稿では,2150万の時間的シーケンスを持つマルチモーダルリモートセンシングデータセットを事前トレーニングした総称10億スケールモデルSkySenseを提案する。 我々の知る限り、SkySenseは今までで最大のマルチモーダルであり、モジュールを柔軟に組み合わせたり、個別に使用して様々なタスクに適合させることができる。
  論文  参考訳（メタデータ） (2023-12-15T09:57:21Z)
• Bayesian Embeddings for Few-Shot Open World Recognition [60.39866770427436]
  埋め込みベースの数ショット学習アルゴリズムをオープンワールド認識設定に拡張する。 当社のフレームワークは,MiniImageNetとTieredImageNetによる数ショット学習データセットのオープンワールド拡張をベンチマークする。
  論文  参考訳（メタデータ） (2021-07-29T00:38:47Z)

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。