論文の概要: Exploring the Potential of Latent Embeddings for Sea Ice Characterization using ICESat-2 Data

• arxiv url: http://arxiv.org/abs/2504.18668v1
• Date: Fri, 25 Apr 2025 19:42:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.937848
• Title: Exploring the Potential of Latent Embeddings for Sea Ice Characterization using ICESat-2 Data
• Title（参考訳）: ICESat-2データを用いた海氷評価のための潜伏埋め込みの可能性を探る
• Authors: Daehyeon Han, Morteza Karimzadeh,
• Abstract要約: 氷、雲、標高衛星-2 (ICESat-2) は海氷の高さを高精度に測定する。 近年、ICESat-2データに対する機械学習手法が開発され、主に表面型分類に焦点が当てられている。 We developed autoencoder model based on Long Short-Term Memory (LSTM) and Convolutional Neural Networks (CNN) to reconstruction topographic sequences from ICESat-2 and derive embeddeds。 その結果,オートエンコーダの埋め込みは全体の構造を保ちながら,元のICESat-2データと比較して比較的コンパクトなクラスタを生成することがわかった。
• 参考スコア（独自算出の注目度）: 1.4364491422470593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Ice, Cloud, and Elevation Satellite-2 (ICESat-2) provides high-resolution measurements of sea ice height. Recent studies have developed machine learning methods on ICESat-2 data, primarily focusing on surface type classification. However, the heavy reliance on manually collected labels requires significant time and effort for supervised learning, as it involves cross-referencing track measurements with overlapping background optical imagery. Additionally, the coincidence of ICESat-2 tracks with background images is relatively rare due to the different overpass patterns and atmospheric conditions. To address these limitations, this study explores the potential of unsupervised autoencoder on unlabeled data to derive latent embeddings. We develop autoencoder models based on Long Short-Term Memory (LSTM) and Convolutional Neural Networks (CNN) to reconstruct topographic sequences from ICESat-2 and derive embeddings. We then apply Uniform Manifold Approximation and Projection (UMAP) to reduce dimensions and visualize the embeddings. Our results show that embeddings from autoencoders preserve the overall structure but generate relatively more compact clusters compared to the original ICESat-2 data, indicating the potential of embeddings to lessen the number of required labels samples.
• Abstract（参考訳）: 氷、雲、標高衛星-2(ICESat-2)は海氷の高さを高精度に測定する。 近年、ICESat-2データに対する機械学習手法が開発され、主に表面型分類に焦点が当てられている。 しかし、手動で収集したラベルに大きく依存するには、背景光学画像の重なり合うトラック計測の相互参照を含むため、教師あり学習にかなりの時間と労力を要する。 さらに、背景画像とICESat-2トラックの一致は、異なるオーバーパスパターンと大気条件のために比較的稀である。 これらの制約に対処するために、ラベルのないデータに対する教師なしオートエンコーダの可能性を探り、遅延埋め込みを導出する。 We developed autoencoder model based on Long Short-Term Memory (LSTM) and Convolutional Neural Networks (CNN) to reconstruction topographic sequences from ICESat-2 and derive embeddeds。 次に,Uniform Manifold Approximation and Projection (UMAP) を用いて次元を小さくし,埋め込みを可視化する。 その結果, オートエンコーダの埋め込みは全体の構造を保ちながら, 元のICESat-2データと比較して比較的コンパクトなクラスタを生成し, 必要なラベルサンプルの数を減らすための埋め込みの可能性を示した。

関連論文リスト

• Distilling Monocular Foundation Model for Fine-grained Depth Completion [17.603217168518356]
  本研究では,深度調整のための2段階の知識蒸留フレームワークを提案する。 第1段階では、自然画像から多様なトレーニングデータを生成し、幾何学的知識を蒸留して深度補正を行う。 第2段階では、実世界のデータセットを微調整する際に、スケールとシフト不変の損失を用いて実世界のスケールを学習する。
  論文  参考訳（メタデータ） (2025-03-21T09:34:01Z)
• SpecDM: Hyperspectral Dataset Synthesis with Pixel-level Semantic Annotations [27.391859339238906]
  本稿では,画素レベルのアノテーションを用いたハイパースペクトル画像の合成における生成拡散モデルの可能性について検討する。 私たちの知る限りでは、アノテーションで高次元のHSIを生成するのはこれが初めてです。 我々は、セマンティックセグメンテーションと変化検出の2つの最も広く使われている密集予測タスクを選択し、これらのタスクに適したデータセットを生成する。
  論文  参考訳（メタデータ） (2025-02-24T11:13:37Z)
• TopoFormer: Integrating Transformers and ConvLSTMs for Coastal Topography Prediction [0.0]
  textitTopoFormerは、変換器ベースのエンコーダと畳み込みの長い短期記憶層を統合する。 このアーキテクチャは、ビーチプロファイルデータに固有の長距離依存関係と局所化された時間パターンの両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-01-11T09:46:02Z)
• 2D Feature Distillation for Weakly- and Semi-Supervised 3D Semantic Segmentation [92.17700318483745]
  合成訓練された2Dセマンティックセマンティックセグメンテーションネットワークから高レベル特徴情報を蒸留するアイデアに基づく画像誘導ネットワーク(IGNet)を提案する。 IGNetは、ScribbleKITTI上の弱い教師付きLiDARセマンティックセマンティックセグメンテーションの最先端の結果を達成し、8%のラベル付きポイントしか持たない完全な教師付きトレーニングに対して最大98%のパフォーマンスを誇っている。
  論文  参考訳（メタデータ） (2023-11-27T07:57:29Z)
• Dual-stream contrastive predictive network with joint handcrafted feature view for SAR ship classification [9.251342335645765]
  本稿では,新しいデュアルストリームコントラスト予測ネットワーク(DCPNet)を提案する。 最初のタスクは正のサンプルペアを構築し、コアエンコーダにより一般的な表現を学習させることである。 第2の課題は, 深部特徴と手話特徴との対応を適応的に把握し, モデル内での知識伝達を実現し, 特徴融合による冗長性を効果的に改善することである。
  論文  参考訳（メタデータ） (2023-11-26T05:47:01Z)
• Unsupervised Scale-consistent Depth Learning from Video [131.3074342883371]
  本研究では,単眼深度推定器SC-Depthを提案する。 スケール一貫性予測の能力により,我々の単分子学習深層ネットワークは簡単にORB-SLAM2システムに統合可能であることを示す。 提案したハイブリッドPseudo-RGBD SLAMは、KITTIにおいて魅力的な結果を示し、追加のトレーニングなしでKAISTデータセットにうまく一般化する。
  論文  参考訳（メタデータ） (2021-05-25T02:17:56Z)
• DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
  本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。 本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
  論文  参考訳（メタデータ） (2021-04-28T15:13:12Z)
• Sparse Auxiliary Networks for Unified Monocular Depth Prediction and Completion [56.85837052421469]
  コスト効率のよいセンサで得られたデータからシーン形状を推定することは、ロボットや自動運転車にとって鍵となる。 本稿では,1枚のRGB画像から,低コストな能動深度センサによるスパース計測により,深度を推定する問題について検討する。 sparse networks (sans) は,深さ予測と完了という2つのタスクをmonodepthネットワークで実行可能にする,新しいモジュールである。
  論文  参考訳（メタデータ） (2021-03-30T21:22:26Z)
• SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
  本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。 具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。 我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
  論文  参考訳（メタデータ） (2020-10-19T09:23:39Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。