論文の概要: Operational Change Detection for Geographical Information: Overview and Challenges
- arxiv url: http://arxiv.org/abs/2503.14109v1
- Date: Tue, 18 Mar 2025 10:25:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-19 14:17:38.103534
- Title: Operational Change Detection for Geographical Information: Overview and Challenges
- Title（参考訳）: 地理情報の操作変化検出:概観と課題
- Authors: Nicolas Gonthier,
- Abstract要約: 気候変動と人的影響による領域の急速な進化は、国家地図庁が管理する地理空間データベースを迅速かつ効果的に更新する必要がある。
本稿では,大規模地理データベースの運用更新に適した変更検出手法について概観する。
- 参考スコア（独自算出の注目度）: 1.1784544255941167
- License:
- Abstract: Rapid evolution of territories due to climate change and human impact requires prompt and effective updates to geospatial databases maintained by the National Mapping Agency. This paper presents a comprehensive overview of change detection methods tailored for the operational updating of large-scale geographic databases. This review first outlines the fundamental definition of change, emphasizing its multifaceted nature, from temporal to semantic characterization. It categorizes automatic change detection methods into four main families: rule-based, statistical, machine learning, and simulation methods. The strengths, limitations, and applicability of every family are discussed in the context of various input data. Then, key applications for National Mapping Agencies are identified, particularly the optimization of geospatial database updating, change-based phenomena, and dynamics monitoring. Finally, the paper highlights the current challenges for leveraging change detection such as the variability of change definition, the missing of relevant large-scale datasets, the diversity of input data, the unstudied no-change detection, the human in the loop integration and the operational constraints. The discussion underscores the necessity for ongoing innovation in change detection techniques to address the future needs of geographic information systems for national mapping agencies.
- Abstract（参考訳）: 気候変動と人的影響による領域の急速な進化は、国家地図庁が管理する地理空間データベースを迅速かつ効果的に更新する必要がある。
本稿では,大規模地理データベースの運用更新に適した変更検出手法について概観する。
このレビューはまず変化の基本的定義を概説し、その多面的性質を時間的特徴から意味的特徴へと強調する。
自動変更検出方法は、ルールベース、統計学、機械学習、シミュレーションの4つの主要なファミリーに分類する。
各家庭の長所、短所、適用性については、様々な入力データを用いて論じる。
次に、特に地理空間データベース更新、変化に基づく現象、動的モニタリングの最適化など、ナショナルマッピング・アジェンシのための重要な応用が特定される。
最後に、変更定義の多様性、関連する大規模データセットの欠如、入力データの多様性、未調査のノーチェンジ検出、ループ統合における人間、運用上の制約など、変更検出の活用に関する現在の課題を強調した。
この議論は、ナショナルマッピング機関の地理情報システムの将来的なニーズに対応するため、変更検出技術における継続的な革新の必要性を浮き彫りにするものである。
関連論文リスト
- Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。
既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。
本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
論文 参考訳（メタデータ） (2025-02-12T04:07:12Z) - Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。
CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。
QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
論文 参考訳（メタデータ） (2024-10-31T11:20:13Z) - Exploring Foundation Models in Remote Sensing Image Change Detection: A Comprehensive Survey [2.9373912230684565]
変化検出は環境モニタリング,都市開発,土地利用分析などの分野に広く応用されている。
ディープラーニング、特に基礎モデルの開発は、特徴抽出とデータ融合のためのより強力なソリューションを提供してきた。
本稿では, リモートセンシングタスクにおける基礎モデルの適用を中心に, 変更検出の分野における最新の進歩を体系的にレビューする。
論文 参考訳（メタデータ） (2024-10-10T11:16:05Z) - ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。
本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-26T17:47:14Z) - Change Detection Methods for Remote Sensing in the Last Decade: A
Comprehensive Review [45.78958623050146]
変更検出はリモートセンシングにおいて必須かつ広く利用されるタスクである。
時間とともに同じ地理的領域で起きている変化を検出し、分析することを目的としている。
ディープラーニングは、これらの課題を抽出し対処するための強力なツールとして登場した。
論文 参考訳（メタデータ） (2023-05-09T23:52:37Z) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z) - Can domain adaptation make object recognition work for everyone? [18.930805872127028]
現代のコンピュータビジョンデータセットは、先進的な世界と、そのようなデータセットで訓練されたモデルが、目に見えない地形の画像に基づいて過小評価されている。
本研究では,この性能ギャップを埋める際の非教師なし領域適応(UDA)の有効性について検討する。
地理DAにおける標準DA手法の非効率性を実証し,専門的な地理的適応ソリューションの必要性を強調した。
論文 参考訳（メタデータ） (2022-04-23T18:51:13Z) - WATCH: Wasserstein Change Point Detection for High-Dimensional Time
Series Data [4.228718402877829]
変化点検出方法は、教師なしの方法で変化を検出する能力を持つ。
本稿では,ワッサーシュタイン距離に基づく変化点検出手法であるWATCHを提案する。
広範な評価により、WATCHは変化点を正確に識別し、最先端の手法より優れていることが示されている。
論文 参考訳（メタデータ） (2022-01-18T16:55:29Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳（メタデータ） (2021-02-25T14:24:49Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z)
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。