論文の概要: Dynamic mapping from static labels: remote sensing dynamic sample generation with temporal-spectral embedding
- arxiv url: http://arxiv.org/abs/2506.02574v1
- Date: Tue, 03 Jun 2025 07:55:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 01:42:09.398291
- Title: Dynamic mapping from static labels: remote sensing dynamic sample generation with temporal-spectral embedding
- Title（参考訳）: 静的ラベルからの動的マッピング:時間-スペクトル埋め込みを用いたリモートセンシング動的サンプル生成
- Authors: Shuai Yuan, Shuang Chen, Tianwu Lin, Jie Wang, Peng Gong,
- Abstract要約: 地表面動態の急激な変化は、頻繁な更新を必要とし、以前に収集されたサンプルを陳腐化し、継続的な手動更新のためにかなりの労働負荷を課す。
動的サンプルを自動的に生成する2段階自動フレームワークであるTasGenを導入し、時間-スペクトル埋め込みによる時系列リモートセンシング画像のスペクトルと時間依存性を同時にモデル化し、追加の手動アノテーションなしで土地表面の変化をキャプチャする。
- 参考スコア（独自算出の注目度）: 3.6959553287676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate remote sensing geographic mapping depends heavily on representative and timely sample data. However, rapid changes in land surface dynamics necessitate frequent updates, quickly rendering previously collected samples obsolete and imposing significant labor demands for continuous manual updates. In this study, we aim to address this problem by dynamic sample generation using existing single-date static labeled samples. We introduce TasGen, a two-stage automated framework to automatically generate dynamic samples, designed to simultaneously model spectral and temporal dependencies in time-series remote sensing imagery via temporal-spectral embedding, capturing land surface changes without additional manual annotations.
- Abstract（参考訳）: 正確なリモートセンシング地理マッピングは、代表データとタイムリーなサンプルデータに大きく依存する。
しかし、土地表面の急激な変化は頻繁な更新を必要とし、以前に収集されたサンプルを迅速にレンダリングし、継続的な手作業による更新のためにかなりの労働需要を課す。
本研究では,既存のシングル日付静的ラベル付きサンプルを用いて動的サンプル生成を行うことにより,この問題に対処することを目的とする。
動的サンプルを自動的に生成する2段階自動フレームワークであるTasGenを導入し、時間-スペクトル埋め込みによる時系列リモートセンシング画像のスペクトルと時間依存性を同時にモデル化し、追加の手動アノテーションなしで土地表面の変化をキャプチャする。
関連論文リスト
- DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs [59.434893231950205]
動的グラフ学習は、現実世界のシステムにおける進化の法則を明らかにすることを目的としている。
動的グラフ学習のための新しい連続状態空間モデルDyG-Mambaを提案する。
我々はDyG-Mambaがほとんどのデータセットで最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2024-08-13T15:21:46Z) - Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。
時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。
STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-14T02:26:10Z) - Self-Supervised Temporal Analysis of Spatiotemporal Data [2.2720298829059966]
地理空間活動の時間的パターンと土地利用のタイプとの間には相関関係がある。
移動活動時系列に基づいて景観を階層化する,新たな自己教師型手法を提案する。
実験により、時間埋め込みは時系列データの意味論的に意味のある表現であり、異なるタスクにまたがって効果的であることが示されている。
論文 参考訳（メタデータ） (2023-04-25T20:34:38Z) - Graph-Guided Network for Irregularly Sampled Multivariate Time Series [15.919269970122555]
本稿では,不規則なサンプル時系列の表現を学習するためのグラフ誘導ネットワークであるRAINDROPを紹介する。
RAINDROPはすべてのサンプルをグラフとして表現し、ノードはセンサーを示し、エッジはそれら間の依存関係を表す。
我々は、RAINDROPを用いて時系列を分類し、3つの医療および人間の活動データセットの時間的ダイナミクスを解釈する。
論文 参考訳（メタデータ） (2021-10-11T15:37:58Z) - Virtual Temporal Samples for Recurrent Neural Networks: applied to
semantic segmentation in agriculture [2.6323812778809907]
本稿では,農業ロボットの文脈における時間的意味的セグメンテーションの実現の可能性について検討する。
仮想時間サンプルを生成することにより、軽量なRNNを訓練してセマンティックセグメンテーションを行うことが可能であることを実証する。
以上の結果から,仮想サンプルを用いて時間的セマンティックセマンティックセマンティクスをトレーニングすることにより,サツマイモおよびサトウキビデータセットの絶対4.6と4.9で性能を向上させることができることがわかった。
論文 参考訳（メタデータ） (2021-06-18T13:15:54Z) - Deep Convolution for Irregularly Sampled Temporal Point Clouds [39.51507835155255]
不規則なサンプルで表される連続空間時間過程のダイナミクスを空間と時間の両方でモデル化する問題を検討する。
本稿では,この不規則なサンプルデータを直接学習し,予測できる新しい深層モデルを提案する。
我々は,StarCraft IIにおける実世界の気象観測データと大軍間の戦闘について実験を行った。
論文 参考訳（メタデータ） (2021-05-01T00:54:32Z) - Anytime Sampling for Autoregressive Models via Ordered Autoencoding [88.01906682843618]
自動回帰モデルは画像生成や音声生成などのタスクに広く使われている。
これらのモデルのサンプリングプロセスは割り込みを許さず、リアルタイムの計算資源に適応できない。
いつでもサンプリングできる新しい自動回帰モデルファミリーを提案します。
論文 参考訳（メタデータ） (2021-02-23T05:13:16Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - Effective Distant Supervision for Temporal Relation Extraction [49.20329405920023]
新しい領域における時間的関係抽出モデルを訓練するための主要な障壁は、多様で高品質な例がないことである。
本稿では,時間関係の遠隔管理例を自動的に収集する手法を提案する。
論文 参考訳（メタデータ） (2020-10-24T03:17:31Z) - Applications of shapelet transform to time series classification of
earthquake, wind and wave data [0.0]
「シェープレット変換」は時系列列の形状の局所的類似性に基づく。
理解可能な特徴と透過的なアルゴリズムを備えた「ホワイトボックス」機械学習モデルを提案する。
モデルはドメインの実践者の介入なしにイベント検出を自動化する。
論文 参考訳（メタデータ） (2020-04-22T10:17:24Z) - A Generative Learning Approach for Spatio-temporal Modeling in Connected
Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。
LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。
特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文 参考訳（メタデータ） (2020-03-16T03:43:59Z)
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。