論文の概要: Hephaestus Minicubes: A Global, Multi-Modal Dataset for Volcanic Unrest Monitoring
- arxiv url: http://arxiv.org/abs/2505.17782v1
- Date: Fri, 23 May 2025 11:55:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 18:08:34.041839
- Title: Hephaestus Minicubes: A Global, Multi-Modal Dataset for Volcanic Unrest Monitoring
- Title（参考訳）: Hephaestus Minicubes: 地球温暖化モニタリングのためのグローバルでマルチモーダルなデータセット
- Authors: Nikolas Papadopoulos, Nikolaos Ioannis Bountos, Maria Sdraka, Andreas Karavias, Ioannis Papoutsis,
- Abstract要約: ヘファエスタス・ミニキューブス(Hephaestus Minicubes)は、7年間にわたって世界でも最も活発な火山44点をカバーする38の時間的データキューブのコレクションである。
それぞれの時間的データキューブは、InSARの製品、地形データ、およびInSAR画像の地上変形を模倣する信号遅延を導入することで知られている大気変数を統合している。
本稿では, 変形現象の種類, 強度, 空間的範囲を詳述する専門家アノテーションと, 観察されたシーンのリッチテキスト記述について述べる。
- 参考スコア（独自算出の注目度）: 2.6214349237099173
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ground deformation is regarded in volcanology as a key precursor signal preceding volcanic eruptions. Satellite-based Interferometric Synthetic Aperture Radar (InSAR) enables consistent, global-scale deformation tracking; however, deep learning methods remain largely unexplored in this domain, mainly due to the lack of a curated machine learning dataset. In this work, we build on the existing Hephaestus dataset, and introduce Hephaestus Minicubes, a global collection of 38 spatiotemporal datacubes offering high resolution, multi-source and multi-temporal information, covering 44 of the world's most active volcanoes over a 7-year period. Each spatiotemporal datacube integrates InSAR products, topographic data, as well as atmospheric variables which are known to introduce signal delays that can mimic ground deformation in InSAR imagery. Furthermore, we provide expert annotations detailing the type, intensity and spatial extent of deformation events, along with rich text descriptions of the observed scenes. Finally, we present a comprehensive benchmark, demonstrating Hephaestus Minicubes' ability to support volcanic unrest monitoring as a multi-modal, multi-temporal classification and semantic segmentation task, establishing strong baselines with state-of-the-art architectures. This work aims to advance machine learning research in volcanic monitoring, contributing to the growing integration of data-driven methods within Earth science applications.
- Abstract（参考訳）: 火山学では、地表面の変形は火山噴火以前の重要な前兆と見なされている。
衛星ベースのInterferometric Synthetic Aperture Radar (InSAR)は、一貫したグローバルスケールの変形追跡を可能にするが、ディープラーニング手法は、主にキュレートされた機械学習データセットが欠如しているため、この領域では探索されていない。
本研究は,既存のHephaestusデータセット上に構築し,高解像度・多ソース・多時間情報を提供する38の時空間データキューブのグローバルコレクションであるHephaestus Minicubesを紹介する。
各時空間データキューブは、InSARの製品、地形データ、およびInSAR画像の地上変形を模倣できる信号遅延を導入することで知られている大気変数を統合する。
さらに, 変形現象のタイプ, 強度, 空間範囲を詳述した専門家アノテーションと, 観察されたシーンのリッチなテキスト記述を提供する。
最後に,Hephaestus Minicubesがマルチモーダル・マルチテンポラル分類および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として火山活動監視を支援する能力を実証し,最先端アーキテクチャによる強いベースラインを確立するための総合的なベンチマークを示す。
この研究は、火山モニタリングにおける機械学習の研究を進めることを目的としており、地球科学応用におけるデータ駆動手法のさらなる統合に貢献している。
関連論文リスト
- Foundation Models for Spatio-Temporal Data Science: A Tutorial and Survey [69.0648659029394]
時空間(ST)データサイエンスは、都市コンピューティング、気候科学、インテリジェントトランスポートといった領域における複雑なシステムを理解するのに不可欠である。
研究者は、様々なSTタスクに対する適応性と一般化を高めるために、時空間モデル(STFM)の概念を探求し始めている。
STFMは、データセンシング、管理、マイニングなど、STデータサイエンスのワークフロー全体を強化し、より包括的でスケーラブルなアプローチを提供する。
論文 参考訳（メタデータ） (2025-03-12T09:42:18Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳（メタデータ） (2025-01-14T13:42:22Z) - A Framework for Real-Time Volcano-Seismic Event Recognition Based on Multi-Station Seismograms and Semantic Segmentation Models [0.0]
火山モニタリングでは、火山活動を理解し、タイムリーに警告を発する上で、地震事象の効果的な認識が不可欠である。
本研究では, セマンティックモデルを用いて, 多チャンネル1次元信号の2次元表現へのストレートフォワード変換を適用することで, 地震イベント認識を自動化する手法を提案する。
本フレームワークは,5つの地震イベントクラスに対して,検出と分類を同時に行うため,最小限の事前処理でマルチステーション地震データを統合する。
論文 参考訳（メタデータ） (2024-10-27T21:02:37Z) - Anomaly detection for the identification of volcanic unrest in satellite imagery [2.642212767247493]
本稿では, 火山の変形を異常として識別する目的で, 衛星データに対する教師なし深層学習の利用について検討する。
我々の検出器はパッチ分布モデリング(PaDiM)に基づいており、検出性能は重み付き距離で向上する。
論文 参考訳（メタデータ） (2024-05-28T18:00:10Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳（メタデータ） (2023-10-16T09:06:00Z) - Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。
本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。
FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
論文 参考訳（メタデータ） (2023-05-23T16:59:20Z) - Hephaestus: A large scale multitask dataset towards InSAR understanding [1.8350044465969417]
この作業では、手動で注釈付けされたInSARデータセットの作成と利用に取り組みました。
このデータセットは、世界中の44の火山から得られた19,919個のSentinel-1インターフェログラムから構成されており、216,106個のInSARパッチに分けられる。
火山状態の分類、地面の変形のセマンティックセグメンテーション、大気信号の検出と分類など、さまざまなコンピュータビジョン問題に対処するように設計されている。
論文 参考訳（メタデータ） (2022-04-20T12:58:18Z) - Improving the Thermal Infrared Monitoring of Volcanoes: A Deep Learning
Approach for Intermittent Image Series [0.0]
提案手法により,最低のRMSE (4.164circ$C, 他の手法:4.217-5.291circ$C) で火山の温度を予測できることを示す。
また, 熱画像から得られた複数の時系列について, 特異火山のデータによるトレーニングの効果について検討した。
この研究は、火山活動予測のためのデータ駆動型ディープラーニングモデルの可能性を強調している。
論文 参考訳（メタデータ） (2021-09-27T02:31:34Z)
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。