論文の概要: EcoWikiRS: Learning Ecological Representation of Satellite Images from Weak Supervision with Species Observations and Wikipedia
- arxiv url: http://arxiv.org/abs/2504.19742v1
- Date: Mon, 28 Apr 2025 12:42:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.434579
- Title: EcoWikiRS: Learning Ecological Representation of Satellite Images from Weak Supervision with Species Observations and Wikipedia
- Title（参考訳）: EcoWikiRS: 種別観察とウィキペディアを用いた弱スーパービジョンからの衛星画像のエコロジー表現学習
- Authors: Valerie Zermatten, Javiera Castillo-Navarro, Pallavi Jain, Devis Tuia, Diego Marcos,
- Abstract要約: 本研究では,リモートセンシング(RS)画像から直接生態特性を予測する手法を提案する。
EcoWikiRSデータセットは,高解像度の航空画像,対応する地理的な種の観測,および各種について,ウィキペディアの生息地をテキストで記述した。
以上の結果から,より生態学的に意味のある方法でRS画像の理解を支援することが示唆された。
- 参考スコア（独自算出の注目度）: 8.80913094574943
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The presence of species provides key insights into the ecological properties of a location such as land cover, climatic conditions or even soil properties. We propose a method to predict such ecological properties directly from remote sensing (RS) images by aligning them with species habitat descriptions. We introduce the EcoWikiRS dataset, consisting of high-resolution aerial images, the corresponding geolocated species observations, and, for each species, the textual descriptions of their habitat from Wikipedia. EcoWikiRS offers a scalable way of supervision for RS vision language models (RS-VLMs) for ecology. This is a setting with weak and noisy supervision, where, for instance, some text may describe properties that are specific only to part of the species' niche or is irrelevant to a specific image. We tackle this by proposing WINCEL, a weighted version of the InfoNCE loss. We evaluate our model on the task of ecosystem zero-shot classification by following the habitat definitions from the European Nature Information System (EUNIS). Our results show that our approach helps in understanding RS images in a more ecologically meaningful manner. The code and the dataset are available at https://github.com/eceo-epfl/EcoWikiRS.
- Abstract（参考訳）: 種の存在は、土地被覆、気候条件、土壌特性のような場所の生態学的特性に関する重要な洞察を与える。
本研究では, リモートセンシング(RS)画像から直接, 生物の生息環境記述とアライメントすることで, 生態特性を予測できる手法を提案する。
EcoWikiRSデータセットは,高解像度の航空画像,対応する地理的な種の観測,および各種について,ウィキペディアの生息地をテキストで記述した。
EcoWikiRSは、生態学のためのRSビジョン言語モデル(RS-VLM)のスケーラブルな監督方法を提供する。
例えば、あるテキストは、種のニッチの一部にのみ特有な性質を記述したり、特定のイメージに無関係な特性を記述したりすることができる。
我々は、InfoNCE損失の重み付け版であるWINCELを提案し、この問題に対処する。
本研究では,欧州自然情報システム (EUNIS) の生息環境定義に従うことにより,生態系のゼロショット分類作業におけるモデルを評価する。
以上の結果から,より生態学的に意味のある方法でRS画像の理解を支援することが示唆された。
コードとデータセットはhttps://github.com/eceo-epfl/EcoWikiRS.comで公開されている。
関連論文リスト
- SSL4Eco: A Global Seasonal Dataset for Geospatial Foundation Models in Ecology [3.743127390843568]
自己教師付き学習は、ラベルのないデータからの学習表現を可能にした。
これらのモデルは、高い人間の活動領域に偏ったデータセットに基づいて訓練されることが多い。
植生の季節性を世界規模でより正確に把握するために, 簡易な表現インフォームドサンプリング戦略を提案する。
論文 参考訳（メタデータ） (2025-04-25T10:58:44Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z) - Few-shot Species Range Estimation [61.60698161072356]
特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。
我々は、限られたデータから種の範囲を正確に推定することの難しさに対処するために、数発の種範囲推定の新しいアプローチを概説する。
推測において,本モデルでは,テキストや画像などの任意のメタデータとともに,空間的位置のセットを入力として取り,フィードフォワード方式で未確認種の範囲を予測できる種を出力する。
論文 参考訳（メタデータ） (2025-02-20T19:13:29Z) - Towards Context-Rich Automated Biodiversity Assessments: Deriving AI-Powered Insights from Camera Trap Data [0.06819010383838325]
カメラトラップは生態研究において大きな新しい機会を提供する。
現在の自動画像解析手法は、影響のある保存結果をサポートするために必要な文脈的豊かさを欠いていることが多い。
本稿では、深層学習に基づく視覚と言語モデルを組み合わせて、カメラトラップのデータを用いた生態報告を改善するための統合的なアプローチを提案する。
論文 参考訳（メタデータ） (2024-11-21T15:28:52Z) - Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。
我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。
また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T17:22:55Z) - EcoVerse: An Annotated Twitter Dataset for Eco-Relevance Classification, Environmental Impact Analysis, and Stance Detection [0.0]
EcoVerseは、さまざまな環境トピックにまたがる3,023のツイートからなる、英語の注釈付きTwitterデータセットである。
本研究では,環境関連分類,スタンス検出,環境影響分析のための独自のアプローチの導入を目的とした3段階のアノテーションスキームを提案する。
論文 参考訳（メタデータ） (2024-04-08T01:21:11Z) - Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-11-02T08:32:00Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - CUREE: A Curious Underwater Robot for Ecosystem Exploration [6.486523185975219]
CUREEプラットフォームは、ロボットの振る舞いと知覚アルゴリズムという形で、ユニークな機能セットを提供する。
これらの能力の例としては、低高度での視覚調査、サウンドスケープサーベイ、生息環境の特性評価、動物追跡などがある。
論文 参考訳（メタデータ） (2023-03-07T14:52:29Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。