論文の概要: SmartScan: An AI-based Interactive Framework for Automated Region Extraction from Satellite Images

• arxiv url: http://arxiv.org/abs/2504.00200v1
• Date: Mon, 31 Mar 2025 20:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:22:17.730791
• Title: SmartScan: An AI-based Interactive Framework for Automated Region Extraction from Satellite Images
• Title（参考訳）: SmartScan: 衛星画像から領域を自動的に抽出するAIベースのインタラクティブフレームワーク
• Authors: Savinay Nagendra, Kashif Rashid,
• Abstract要約: 我々は、最適なセンサー配置のためのデータ抽出を自動化するAIフレームワークSmartScanを紹介する。 SmartScanは、インタラクティブツールを使用して衛星画像から関心のサブスペースを特定し、施設固有の制約セットを効率的に作成する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The deployment of a continuous methane monitoring system requires determining the optimal number and placement of fixed sensors. However, planning is labor-intensive, requiring extensive site setup and iteration to meet client restrictions. This challenge is amplified when evaluating multiple sites, limiting scalability. To address this, we introduce SmartScan, an AI framework that automates data extraction for optimal sensor placement. SmartScan identifies subspaces of interest from satellite images using an interactive tool to create facility-specific constraint sets efficiently. SmartScan leverages the Segment Anything Model (SAM), a prompt-based transformer for zero-shot segmentation, enabling subspace extraction without explicit training. It operates in two modes: (1) Data Curation Mode, where satellite images are processed to extract high-quality subspaces using an interactive prompting system for SAM, and (2) Autonomous Mode, where user-curated prompts train a deep learning network to replace manual prompting, fully automating subspace extraction. The interactive tool also serves for quality control, allowing users to refine AI-generated outputs and generate additional constraint sets as needed. With its AI-driven prompting mechanism, SmartScan delivers high-throughput, high-quality subspace extraction with minimal human intervention, enhancing scalability and efficiency. Notably, its adaptable design makes it suitable for extracting regions of interest from ultra-high-resolution satellite imagery across various domains.
• Abstract（参考訳）: 連続メタンモニタリングシステムの展開には、固定センサーの最適な数と配置を決定する必要がある。 しかし、計画は労働集約的であり、クライアントの制約を満たすために広範なサイトの設定とイテレーションが必要である。 この課題は、複数のサイトを評価する際に増幅され、スケーラビリティが制限される。 これを解決するために、最適なセンサー配置のためのデータ抽出を自動化するAIフレームワークSmartScanを紹介する。 SmartScanは、インタラクティブツールを使用して衛星画像から関心のサブスペースを特定し、施設固有の制約セットを効率的に作成する。 SmartScanは、ゼロショットセグメンテーションのためのプロンプトベースのトランスフォーマーであるSegment Anything Model (SAM)を活用し、明示的なトレーニングなしでサブスペース抽出を可能にする。 1)衛星画像を処理してSAMの対話的プロンプトシステムを用いて高品質なサブスペースを抽出するデータキュレーションモードと,(2)ユーザが計算したサブスペース抽出を完全に自動化するディープラーニングネットワークを訓練する自律モードである。 インタラクティブなツールは品質管理にも役立ち、AI生成した出力を洗練し、必要に応じて追加の制約セットを生成することができる。 AI駆動のプロンプト機構により、SmartScanは、人間の介入を最小限に抑え、スケーラビリティと効率を向上し、高スループットで高品質なサブスペース抽出を提供する。 特に、その適応可能な設計は、様々な領域にわたる超高解像度衛星画像から興味のある領域を抽出するのに適している。

関連論文リスト

• Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
  AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。 コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。 本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
  論文  参考訳（メタデータ） (2024-06-22T11:17:50Z)
• Mitigating Challenges of the Space Environment for Onboard Artificial Intelligence: Design Overview of the Imaging Payload on SpIRIT [6.982433998815122]
  本研究では,SpIRIT上にホストされた搭載AIサブシステムのハードウェアおよびソフトウェア設計について述べる。 このシステムは、可視光と長波赤外線カメラに基づくコンピュータビジョン実験のために最適化されている。 本稿では,厳密な空間条件下でのシステムのロバスト性を最大化するための重要な設計選択について述べる。
  論文  参考訳（メタデータ） (2024-04-12T11:08:26Z)
• The Segment Anything Model (SAM) for Remote Sensing Applications: From Zero to One Shot [6.500451285898152]
  本研究は,リモートセンシング画像解析におけるSegment Anything Model(SAM)の適用を推し進めることを目的としている。 SAMは例外的な一般化能力とゼロショット学習で知られている。 空間分解能の低い画像で発生する限界にもかかわらず、SAMはリモートセンシングデータ解析に有望な適応性を示す。
  論文  参考訳（メタデータ） (2023-06-29T01:49:33Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• ST-MTL: Spatio-Temporal Multitask Learning Model to Predict Scanpath While Tracking Instruments in Robotic Surgery [14.47768738295518]
  トラッキング機器によるタスク指向の注意の学習は、画像誘導型ロボット手術において大きな可能性を秘めている。 本稿では,リアルタイムの手術機器分割とタスク指向唾液度検出のための共有エンコーダとシンク時デコーダを用いたエンドツーエンドマルチタスク学習(ST-MTL)モデルを提案する。 本稿では,各デコーダの独立勾配を計算することで,非同期時間最適化手法を提案する。 最先端のセグメンテーションとサリエンシ手法と比較して、我々のモデルは評価指標よりも優れており、挑戦において優れた性能を生んでいる。
  論文  参考訳（メタデータ） (2021-12-10T15:20:27Z)
• CNN-based Omnidirectional Object Detection for HermesBot Autonomous Delivery Robot with Preliminary Frame Classification [53.56290185900837]
  予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。 周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
  論文  参考訳（メタデータ） (2021-10-22T15:05:37Z)
• Neural Network Based Lidar Gesture Recognition for Realtime Robot Teleoperation [0.0]
  移動ロボット制御のための低複雑さライダージェスチャー認識システムを提案する。 このシステムは軽量で、限られた計算能力を持つ移動ロボット制御に適している。 ライダーの使用はシステムの堅牢性に寄与し、ほとんどの屋外環境での運用を可能にしている。
  論文  参考訳（メタデータ） (2021-09-17T00:49:31Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Multi-Attention-Network for Semantic Segmentation of Fine Resolution Remote Sensing Images [10.835342317692884]
  リモートセンシング画像におけるセマンティックセグメンテーションの精度は、ディープ畳み込みニューラルネットワークによって著しく向上した。 本稿では,これらの問題に対処するマルチアテンション・ネットワーク(MANet)を提案する。 線形複雑性を伴うカーネル注意の新たなアテンション機構が提案され,注目される計算負荷の低減が図られた。
  論文  参考訳（メタデータ） (2020-09-03T09:08:02Z)

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。