論文の概要: Enhancing Martian Terrain Recognition with Deep Constrained Clustering

• arxiv url: http://arxiv.org/abs/2503.17633v1
• Date: Sat, 22 Mar 2025 03:38:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:36:58.378484
• Title: Enhancing Martian Terrain Recognition with Deep Constrained Clustering
• Title（参考訳）: 深く制約されたクラスタリングによる火星地層認識の強化
• Authors: Tejas Panambur, Mario Parente,
• Abstract要約: Deep Constrained Clustering with Metric Learning (DCCML)は、クラスタリングプロセスのガイドに複数の制約型を活用する新しいアルゴリズムである。 DCCMLは同種クラスタを16.7%増加させ、Davies-Bouldin Indexを3.86から1.82に減らした。 この改良により、火星の地質学的特徴をより正確に分類し、惑星の地形を分析し、理解する能力を向上させることができる。
• 参考スコア（独自算出の注目度）: 1.534667887016089
• License:
• Abstract: Martian terrain recognition is pivotal for advancing our understanding of topography, geomorphology, paleoclimate, and habitability. While deep clustering methods have shown promise in learning semantically homogeneous feature embeddings from Martian rover imagery, the natural variations in intensity, scale, and rotation pose significant challenges for accurate terrain classification. To address these limitations, we propose Deep Constrained Clustering with Metric Learning (DCCML), a novel algorithm that leverages multiple constraint types to guide the clustering process. DCCML incorporates soft must-link constraints derived from spatial and depth similarities between neighboring patches, alongside hard constraints from stereo camera pairs and temporally adjacent images. Experimental evaluation on the Curiosity rover dataset (with 150 clusters) demonstrates that DCCML increases homogeneous clusters by 16.7 percent while reducing the Davies-Bouldin Index from 3.86 to 1.82 and boosting retrieval accuracy from 86.71 percent to 89.86 percent. This improvement enables more precise classification of Martian geological features, advancing our capacity to analyze and understand the planet's landscape.
• Abstract（参考訳）: 火星の地形認識は、地形、地形、古気候、居住性に関する理解を深めるために重要である。 ディープクラスタリング法は火星のローバー画像から意味論的に均質な特徴埋め込みを学習する上で有望であるが、強度、スケール、回転の自然な変化は正確な地形分類に重大な課題をもたらす。 これらの制約に対処するため、クラスタリングプロセスのガイドとして複数の制約型を利用する新しいアルゴリズムであるDeep Constrained Clustering with Metric Learning (DCCML)を提案する。 DCCMLには、ステレオカメラ対と時間的隣接画像からのハード制約に加えて、隣接するパッチ間の空間的および深さ的類似性から導かれるソフトなマスターリンク制約が組み込まれている。 キュリオシティ・ローバーのデータセット(150個のクラスタ)に関する実験的評価では、DCCMLは同種クラスタを16.7%増加させ、デイビーズ・ボルディン指数は3.86から1.82に減少し、検索精度は86.71パーセントから89.86パーセントに向上した。 この改良により、火星の地質学的特徴をより正確に分類し、惑星の地形を分析し、理解する能力を向上させることができる。

関連論文リスト

• Weakly Supervised Framework Considering Multi-temporal Information for Large-scale Cropland Mapping with Satellite Imagery [11.157693752084214]
  本研究では,大規模農地マッピングのための多時期情報を考慮した弱教師付き枠組みを提案する。 我々は,グローバルランドカバー(GLC)製品間の整合性に応じて高品質なラベルを抽出し,教師付き学習信号を構築する。 提案手法は大規模農地マッピングにおいて,3つの研究領域にまたがる適応性について実験的に検証されている。
  論文  参考訳（メタデータ） (2024-11-27T16:11:52Z)
• CLASH: Complementary Learning with Neural Architecture Search for Gait Recognition [14.86306286844144]
  本研究では,高密度時空間場 (DSTF) とニューラルアーキテクチャ検索に基づく補完学習 (NCL) フレームワークを用いた歩行パターン型歩行記述法を提案する。 具体的には、DSTFはスパース境界の表現を、ピクセルレベルでの歩行パターンに敏感な、密度の高い距離ベースのテクスチャに変換する。 最新のIn-theldデータセットでは、それぞれGait3DとGREWで、最新のシルエットベースのメソッドを16.3%、19.7%上回りました。
  論文  参考訳（メタデータ） (2024-07-04T04:51:01Z)
• MarsSeg: Mars Surface Semantic Segmentation with Multi-level Extractor and Connector [19.053126804261034]
  本稿では,MarsSegと呼ばれる新しいエンコーダデコーダベースの火星セグメンテーションネットワークを提案する。 Mini-ASPPとPSAはシャドー機能拡張用に特別に設計されている。 SPPMは、高レベルのセマンティックカテゴリ関連情報の抽出を容易にする、機能強化のために使用される。
  論文  参考訳（メタデータ） (2024-04-05T15:04:57Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Boosting Few-shot Fine-grained Recognition with Background Suppression and Foreground Alignment [53.401889855278704]
  FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。 本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。 複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-10-04T07:54:40Z)
• Mixed-domain Training Improves Multi-Mission Terrain Segmentation [0.9566312408744931]
  現在の火星の地形区分モデルは、異なる領域にまたがる配置のために再訓練を必要とする。 本研究では,火星表面のマルチミッションセマンティックセマンティックセグメンテーションのために,バックボーンの教師なしコントラスト事前学習を利用する半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2022-09-27T20:25:24Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• On Mitigating Hard Clusters for Face Clustering [48.39472979642971]
  顔クラスタリングは、大規模な未ラベルの顔画像を使用して顔認識システムをスケールアップするための有望な方法である。 我々はNDDe(Neighborhood-Diffusion-based Density)とTPDi(Transition-Probability-based Distance)の2つの新しいモジュールを紹介した。 複数のベンチマーク実験により,各モジュールが最終性能に寄与することが示された。
  論文  参考訳（メタデータ） (2022-07-25T03:55:15Z)
• A Neuromorphic Vision-Based Measurement for Robust Relative Localization in Future Space Exploration Missions [0.0]
  本研究では,ニューロモルフィック・ビジョン・ベース・計測(NVBM)と慣性測定の融合に基づくロバストな相対的局所化システムを提案する。 提案システムは様々な実験でテストされ、精度と範囲において最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2022-06-23T08:39:05Z)
• GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments [54.21959527308051]
  本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。 本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。 RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
  論文  参考訳（メタデータ） (2021-03-07T02:16:24Z)
• 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。