論文の概要: On the use of Graphs for Satellite Image Time Series

• arxiv url: http://arxiv.org/abs/2505.16685v1
• Date: Thu, 22 May 2025 13:53:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.337946
• Title: On the use of Graphs for Satellite Image Time Series
• Title（参考訳）: 衛星画像時系列におけるグラフの利用について
• Authors: Corentin Dufourg, Charlotte Pelletier, Stéphane May, Sébastien Lefèvre,
• Abstract要約: 本稿では,遠隔センシングにおけるグラフベース手法の統合について検討する。 SITS分析に取り組むために,汎用的なグラフベースのパイプラインを提案することを目的としている。 本論文は,土地被覆マッピングと水量予測データセットに対するグラフベースのアプローチの可能性を明らかにするための,レビューと2つのケーススタディを含む。
• 参考スコア（独自算出の注目度）: 3.2623791881739033
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The Earth's surface is subject to complex and dynamic processes, ranging from large-scale phenomena such as tectonic plate movements to localized changes associated with ecosystems, agriculture, or human activity. Satellite images enable global monitoring of these processes with extensive spatial and temporal coverage, offering advantages over in-situ methods. In particular, resulting satellite image time series (SITS) datasets contain valuable information. To handle their large volume and complexity, some recent works focus on the use of graph-based techniques that abandon the regular Euclidean structure of satellite data to work at an object level. Besides, graphs enable modelling spatial and temporal interactions between identified objects, which are crucial for pattern detection, classification and regression tasks. This paper is an effort to examine the integration of graph-based methods in spatio-temporal remote-sensing analysis. In particular, it aims to present a versatile graph-based pipeline to tackle SITS analysis. It focuses on the construction of spatio-temporal graphs from SITS and their application to downstream tasks. The paper includes a comprehensive review and two case studies, which highlight the potential of graph-based approaches for land cover mapping and water resource forecasting. It also discusses numerous perspectives to resolve current limitations and encourage future developments.
• Abstract（参考訳）: 地球の表面は、テクトニクスプレート運動のような大規模な現象から、生態系、農業、あるいは人間の活動に関連する局所的な変化まで、複雑でダイナミックな過程を呈している。 衛星画像は、空間的および時間的範囲でこれらのプロセスのグローバルな監視を可能にし、その場での手法よりも有利である。 特に、衛星画像時系列(SITS)データセットは貴重な情報を含んでいる。 膨大な量と複雑さを扱うために、最近の研究は、衛星データの通常のユークリッド構造を放棄してオブジェクトレベルで機能させるグラフベースの手法の使用に焦点を当てている。 さらにグラフは、パターン検出、分類、回帰タスクに不可欠である特定対象間の空間的および時間的相互作用をモデル化することを可能にする。 本稿では,時空間リモートセンシング分析におけるグラフベースの手法の統合について検討する。 特に、SITS分析に取り組むために、多目的なグラフベースのパイプラインを提供することを目標としている。 SITSからの時空間グラフの構築と下流タスクへの応用に焦点を当てる。 本論文は,土地被覆マッピングと水資源予測におけるグラフベースのアプローチの可能性を明らかにする総合的なレビューと2つのケーススタディを含む。 また、現在の制限を解決し、将来の発展を促進するための多くの視点についても論じている。

関連論文リスト

• Modeling Complex Object Changes in Satellite Image Time-Series: Approach based on CSP and Spatiotemporal Graph [2.0303656145222857]
  プロセスは、まず、各画像内のオブジェクトの識別、2番目は、複雑なオブジェクトの変化をモデル化するための時間グラフの構築、3番目は、基本時空間グラフで検出されるサブグラフの作成、4番目は、サブグラフを検出して、関連するCSPグラフを決定するための制約ネットワークを解くことにより、グラフの分析である。 サウジアラビアの複数の都市を対象とした実世界の画像を用いて実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-05-24T12:15:19Z)
• Deep Temporal Graph Clustering [77.02070768950145]
  深部時間グラフクラスタリング(GC)のための汎用フレームワークを提案する。 GCは、時間グラフの相互作用シーケンスに基づくバッチ処理パターンに適合するディープクラスタリング技術を導入している。 我々のフレームワークは、既存の時間グラフ学習手法の性能を効果的に向上させることができる。
  論文  参考訳（メタデータ） (2023-05-18T06:17:50Z)
• Automated Spatio-Temporal Graph Contrastive Learning [18.245433428868775]
  パラメータ化コントラストビュージェネレータを用いた時間自動拡張方式を開発した。 AutoSTは多視点セマンティクスをよく保存した異種グラフに適応することができる。 いくつかの実世界のデータセットで3つのダウンストリーム時間的マイニングタスクの実験は、大きなパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2023-05-06T03:52:33Z)
• Investigating Temporal Convolutional Neural Networks for Satellite Image Time Series Classification: A survey [0.0]
  時間的CNNは、SITS分類タスクに採用され、結果を奨励している。 本稿では,本手法をSITS分類の多くの現代的手法と比較し,近年の文献における既存の知見の検証を試みる。 2つのベンチマークSITSデータセットで実験を行い、Temporal CNNが比較ベンチマークアルゴリズムよりも優れた性能を示すことを示した。
  論文  参考訳（メタデータ） (2022-04-13T14:08:14Z)
• Multivariate Time Series Forecasting with Dynamic Graph Neural ODEs [65.18780403244178]
  動的グラフニューラル正規微分方程式(MTGODE)を用いた多変量時系列予測連続モデルを提案する。 具体的には、まず、時間進化するノードの特徴と未知のグラフ構造を持つ動的グラフに多変量時系列を抽象化する。 そして、欠落したグラフトポロジを補完し、空間的および時間的メッセージパッシングを統一するために、ニューラルODEを設計、解決する。
  論文  参考訳（メタデータ） (2022-02-17T02:17:31Z)
• Spatio-Temporal Joint Graph Convolutional Networks for Traffic Forecasting [75.10017445699532]
  近年、時間グラフモデリング問題として交通予測の定式化に焦点が移っている。 本稿では,道路網における交通予測の精度向上のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-11-25T08:45:14Z)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)
• Attentive Weakly Supervised land cover mapping for object-based satellite image time series data with spatial interpretation [4.549831511476249]
  本稿では,粗粒度ラベルの弱さをインテリジェントに活用できる,TASSELという新しいディープラーニングフレームワークを提案する。 私たちのフレームワークは、ブラックボックスをグレーにする目的で、モデル解釈可能性をサポートする追加のサイド情報も生成します。
  論文  参考訳（メタデータ） (2020-04-30T10:23:12Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。