論文の概要: Joint Super-Resolution and Segmentation for 1-m Impervious Surface Area Mapping in China's Yangtze River Economic Belt

• arxiv url: http://arxiv.org/abs/2505.05367v1
• Date: Thu, 08 May 2025 16:04:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.945955
• Title: Joint Super-Resolution and Segmentation for 1-m Impervious Surface Area Mapping in China's Yangtze River Economic Belt
• Title（参考訳）: 中国長江経済ベルトにおける1m不活性表面積マッピングのための共同超解法とセグメンテーション
• Authors: Jie Deng, Danfeng Hong, Chenyu Li, Naoto Yokoya,
• Abstract要約: We propose a novel framework by integrated super- resolution and segmentation called JointSeg, which allows the generation of 1-meter ISA map from Sentinel-2 images。 JointSegはマルチモードのクロスレゾリューション入力をトレーニングし、従来のアプローチに代わるスケーラブルで安価な代替手段を提供する。 この手法は、複雑な都市・農村パターンと多様な地形を特徴とする地域であるヤンツェ川経済ベルト(EB)に成功している。
• 参考スコア（独自算出の注目度）: 32.43309839401466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel joint framework by integrating super-resolution and segmentation, called JointSeg, which enables the generation of 1-meter ISA maps directly from freely available Sentinel-2 imagery. JointSeg was trained on multimodal cross-resolution inputs, offering a scalable and affordable alternative to traditional approaches. This synergistic design enables gradual resolution enhancement from 10m to 1m while preserving fine-grained spatial textures, and ensures high classification fidelity through effective cross-scale feature fusion. This method has been successfully applied to the Yangtze River Economic Belt (YREB), a region characterized by complex urban-rural patterns and diverse topography. As a result, a comprehensive ISA mapping product for 2021, referred to as ISA-1, was generated, covering an area of over 2.2 million square kilometers. Quantitative comparisons against the 10m ESA WorldCover and other benchmark products reveal that ISA-1 achieves an F1-score of 85.71%, outperforming bilinear-interpolation-based segmentation by 9.5%, and surpassing other ISA datasets by 21.43%-61.07%. In densely urbanized areas (e.g., Suzhou, Nanjing), ISA-1 reduces ISA overestimation through improved discrimination of green spaces and water bodies. Conversely, in mountainous regions (e.g., Ganzi, Zhaotong), it identifies significantly more ISA due to its enhanced ability to detect fragmented anthropogenic features such as rural roads and sparse settlements, demonstrating its robustness across diverse landscapes. Moreover, we present biennial ISA maps from 2017 to 2023, capturing spatiotemporal urbanization dynamics across representative cities. The results highlight distinct regional growth patterns: rapid expansion in upstream cities, moderate growth in midstream regions, and saturation in downstream metropolitan areas.
• Abstract（参考訳）: 本稿では,1mのISAマップを,利用可能なSentinel-2画像から直接生成することを可能にするジョイントセグという,超解像とセグメンテーションを統合した新しいジョイントフレームワークを提案する。 JointSegはマルチモードのクロスレゾリューション入力をトレーニングし、従来のアプローチに代わるスケーラブルで安価な代替手段を提供する。 この相乗的設計により、微粒な空間テクスチャを保ちながら10mから1mの分解能を段階的に向上することができ、効果的にクロススケールな特徴融合によって高い分類精度を確保することができる。 この手法は、複雑な都市・農村パターンと多様な地形を特徴とするヤンゲ川経済ベルト (YREB) に適用されている。 その結果、2021年にISA-1と呼ばれる総合的なISAマッピング製品が作られ、面積は2200万平方キロメートルを超える。 10m ESA WorldCoverや他のベンチマーク製品と比較すると、ISA-1は85.71%のF1スコアを獲得し、双線形補間に基づくセグメンテーションを9.5%上回り、他のISAデータセットを21.43%-61.07%上回る。 密集した都市化地域(周州、南京など)では、ISA-1は緑地や水域の識別を改善することでISA過大評価を減らす。 逆に、山間部(例:ガンジ、Zhaotong)では、農村道路や小集落などの断片化された人為的特徴を検知し、多様な景観にまたがる頑丈さを実証する能力が強化されているため、ISAを著しく高めている。 さらに、2017年から2023年までの2年ごとのISAマップを提示し、代表都市における時空間都市化のダイナミクスを捉えた。 その結果,上流都市の急速な拡大,中流域の緩やかな成長,下流大都市圏の飽和といった地域的な成長パターンが明らかになった。

関連論文リスト

• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• Multimodal Urban Areas of Interest Generation via Remote Sensing Imagery and Geographical Prior [9.85003064364004]
  AOI(Urban Area-of-interest)は、多角形境界が定義された都市機能ゾーンである。 本稿では,正確なAOI境界を同時に検出し,AOIの信頼性を検証するための総合的なエンドツーエンド多モードディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-12T12:54:30Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• High-Similarity-Pass Attention for Single Image Super-Resolution [81.56822938033118]
  非局所的注意(NLA)分野における最近の進歩は、自己相似性に基づく単一画像超解像(SISR)への新たな関心につながっている。 高相似性パスアテンション(HSPA)を得るための簡潔で効果的なソフトしきい値設定操作を導入する。 HSPAの有効性を実証するため,我々はHSPAN(Deep High-Similarity-pass attention network)を構築した。
  論文  参考訳（メタデータ） (2023-05-25T06:24:14Z)
• A Coarse-to-Fine Approach for Urban Land Use Mapping Based on Multisource Geospatial Data [4.2968261363970095]
  本稿では,パーセルレベルの都市土地利用マッピングのための機械学習に基づくアプローチを提案する。 まず、道路網から生成された区画に基づいて、都市をビルトアップと非ビルトアップに分割する。 次に,異なる地域におけるパーセルの分類戦略を採用し,最終的に分類結果を統合された土地利用地図に組み合わせた。
  論文  参考訳（メタデータ） (2022-08-18T13:30:56Z)
• Semantic Segmentation by Early Region Proxy [53.594035639400616]
  本稿では,学習可能な領域のテッセルレーションとしてイメージを解釈することから始まる,新規で効率的なモデリングについて述べる。 領域のコンテキストをモデル化するために,Transformerを用いてシーケンス・ツー・シーケンス方式で領域を符号化する。 現在、符号化された領域埋め込みの上に、領域ごとのセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2022-03-26T10:48:32Z)
• A framework for large-scale mapping of human settlement extent from Sentinel-2 images via fully convolutional neural networks [0.0]
  HSE情報(Human settlement extent)は、世界規模の都市化の貴重な指標である。 本稿では,多スペクトルSentinel-2データからHSEを自動的にマッピングするディープラーニングベースのフレームワークを提案する。 このフレームワークは、テスト領域に均等に分散された手動でラベル付けされたチェックポイントと、OpenStreetMapビルディングレイヤの両方に対して検証されている。
  論文  参考訳（メタデータ） (2020-01-31T16:23:34Z)

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。