論文の概要: Smartflow: Enabling Scalable Spatiotemporal Geospatial Research

• arxiv url: http://arxiv.org/abs/2506.03022v1
• Date: Tue, 03 Jun 2025 15:58:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.440754
• Title: Smartflow: Enabling Scalable Spatiotemporal Geospatial Research
• Title（参考訳）: Smartflow: スケーラブルな時空間探査を実現する
• Authors: David McVicar, Brian Avant, Adrian Gould, Diego Torrejon, Charles Della Porta, Ryan Mukherjee,
• Abstract要約: オープンソースツールとテクノロジ上に構築されたスケーラブルなリサーチを可能にする,クラウドベースのフレームワークであるSmartflowを紹介します。 STACに準拠したカタログを共通入力として、異種データを標準化されたデータアーカイブに処理することができる。 大規模な地理的領域を監視するために,Smartflowを用いて構築された新しいニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.5419125186442636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: BlackSky introduces Smartflow, a cloud-based framework enabling scalable spatiotemporal geospatial research built on open-source tools and technologies. Using STAC-compliant catalogs as a common input, heterogeneous geospatial data can be processed into standardized datacubes for analysis and model training. Model experimentation is managed using a combination of tools, including ClearML, Tensorboard, and Apache Superset. Underpinning Smartflow is Kubernetes, which orchestrates the provisioning and execution of workflows to support both horizontal and vertical scalability. This combination of features makes Smartflow well-suited for geospatial model development and analysis over large geographic areas, time scales, and expansive image archives. We also present a novel neural architecture, built using Smartflow, to monitor large geographic areas for heavy construction. Qualitative results based on data from the IARPA Space-based Machine Automated Recognition Technique (SMART) program are presented that show the model is capable of detecting heavy construction throughout all major phases of development.
• Abstract（参考訳）: BlackSkyがSmartflowを発表した。Smartflowはクラウドベースのフレームワークで、オープンソースのツールとテクノロジ上に構築されたスケーラブルな時空間調査を可能にする。 STAC対応カタログを共通入力として、異種地理空間データを標準化されたデータキューブに処理して分析とモデルトレーニングを行うことができる。 モデル実験はClearML、Tensorboard、Apache Supersetといったツールを組み合わせて管理される。 Smartflowの基盤はKubernetesで、水平と垂直の両方のスケーラビリティをサポートするワークフローのプロビジョニングと実行をオーケストレーションする。 この組み合わせにより、Smartflowは広い地理的領域、時間スケール、拡張可能な画像アーカイブ上での地理空間モデルの開発と分析に適している。 また,Smartflowを用いて構築したニューラルアーキテクチャにより,大規模な地理的領域の監視が可能となる。 IARPA Space-based Machine Automated Recognition Technique (SMART) プログラムのデータに基づく定性的な結果を示す。

関連論文リスト

• Optimizing edge AI models on HPC systems with the edge in the loop [0.0]
  エッジデバイスにデプロイされるAIと機械学習モデルは、サイズが小さいことが多い。 これは、最適化された構成を見つけるために、アーキテクチャ空間を体系的に探索するアプローチである。 本研究では,ベルギーのエッジデバイスとドイツの高性能コンピューティングシステムを組み合わせたハードウェア対応NASワークフローを提案する。 この手法は、オープンなRAISE-LPBFデータセットに基づいてAMドメインのユースケースで検証され、モデル品質を1.35倍に高めながら8.8倍高速な推論速度を実現する。
  論文  参考訳（メタデータ） (2025-05-26T13:47:36Z)
• Neural Architecture Codesign for Fast Physics Applications [0.8692847090818803]
  物理応用のためのニューラルネットワーク符号の合理化のためのパイプラインを開発した。 ハードウェア効率の良いモデルを見つけるために,ニューラルネットワーク探索とネットワーク圧縮を2段階のアプローチで実施する。
  論文  参考訳（メタデータ） (2025-01-09T19:00:03Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• FlowNAS: Neural Architecture Search for Optical Flow Estimation [65.44079917247369]
  本研究では,フロー推定タスクにおいて,より優れたエンコーダアーキテクチャを自動で見つけるために,FlowNASというニューラルアーキテクチャ探索手法を提案する。 実験の結果、スーパーネットワークから受け継いだ重み付きアーキテクチャは、KITTI上で4.67%のF1-allエラーを達成していることがわかった。
  論文  参考訳（メタデータ） (2022-07-04T09:05:25Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• Network Level Spatial Temporal Traffic State Forecasting with Hierarchical-Attention-LSTM (HierAttnLSTM) [0.0]
  本稿では,オープンベンチマークにホストされたPeMS(Caltrans Performance Measurement System)から,多様なトラフィック状態データセットを活用する。 我々は,低レベルから高レベルLong Short-Term Memory (LSTM) ネットワーク間のセルおよび隠れ状態とアテンションプーリング機構を統合した。 構築された階層構造は、ネットワークレベルのトラフィック状態の空間的時間的相関をキャプチャして、異なる時間スケールにまたがる依存関係を考慮に入れられるように設計されている。
  論文  参考訳（メタデータ） (2022-01-15T05:25:03Z)
• PyTorch Geometric Temporal: Spatiotemporal Signal Processing with Neural Machine Learning Models [8.572409162523735]
  pytorch temporalは、神経信号処理のための時間的ディープラーニングフレームワークである。 PyTorchのエコシステムにある既存のライブラリの基礎として作られた。 実験では、フレームワークが豊富な時間的特徴と空間構造を持つWebスケールデータセット上で動作できる可能性があることが示された。
  論文  参考訳（メタデータ） (2021-04-15T21:45:57Z)
• Adaptive Linear Span Network for Object Skeleton Detection [56.78705071830965]
  本研究では,適応線形スパンネットワーク(AdaLSN)を提案する。 AdaLSNは、精度とレイテンシのトレードオフを著しく高めることで、その汎用性を裏付ける。 また、エッジ検出や道路抽出といったイメージ・ツー・マスクのタスクに適用可能であることも示している。
  論文  参考訳（メタデータ） (2020-11-08T12:51:14Z)
• AutoPose: Searching Multi-Scale Branch Aggregation for Pose Estimation [96.29533512606078]
  本稿では,新しいニューラルアーキテクチャサーチ(NAS)フレームワークであるAutoPoseを紹介する。 高精度で高解像度な2次元ポーズ推定に向けて、クロススケール接続の複数の並列ブランチを自動的に検出することができる。
  論文  参考訳（メタデータ） (2020-08-16T22:27:43Z)
• STONNE: A Detailed Architectural Simulator for Flexible Neural Network Accelerators [5.326345912766044]
  STONNEはサイクル精度が高く、高度にモジュール化され、高度に拡張可能なシミュレーションフレームワークである。 一般に公開されているBSV符号化MAERIの実装の性能結果にどのように近づくかを示す。
  論文  参考訳（メタデータ） (2020-06-10T19:20:52Z)

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。