論文の概要: DIGMAPPER: A Modular System for Automated Geologic Map Digitization

• arxiv url: http://arxiv.org/abs/2506.16006v1
• Date: Thu, 19 Jun 2025 03:51:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.931372
• Title: DIGMAPPER: A Modular System for Automated Geologic Map Digitization
• Title（参考訳）: DIGMAPPER: 地質図の自動デジタイズのためのモジュールシステム
• Authors: Weiwei Duan, Michael P. Gerlek, Steven N. Minton, Craig A. Knoblock, Fandel Lin, Theresa Chen, Leeje Jang, Sofia Kirsanova, Zekun Li, Yijun Lin, Yao-Yi Chiang,
• Abstract要約: 地質図のデジタル化を自動化するために米国地質調査所(USGS)と共同で開発されたシステムであるDIGMAPPERについて述べる。 DIGMAPPERは、地図レイアウト分析、特徴抽出、ジオレファリングのための最先端のディープラーニングモデルを統合する、完全にDocker化されたワークフローオーケストレーションアーキテクチャを備えている。 DARPA-USGSデータセットからの100以上の注釈付き地図の評価は、ポリゴン、線、点特徴抽出において高い精度を示す。
• 参考スコア（独自算出の注目度）: 6.326773326196182
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Historical geologic maps contain rich geospatial information, such as rock units, faults, folds, and bedding planes, that is critical for assessing mineral resources essential to renewable energy, electric vehicles, and national security. However, digitizing maps remains a labor-intensive and time-consuming task. We present DIGMAPPER, a modular, scalable system developed in collaboration with the United States Geological Survey (USGS) to automate the digitization of geologic maps. DIGMAPPER features a fully dockerized, workflow-orchestrated architecture that integrates state-of-the-art deep learning models for map layout analysis, feature extraction, and georeferencing. To overcome challenges such as limited training data and complex visual content, our system employs innovative techniques, including in-context learning with large language models, synthetic data generation, and transformer-based models. Evaluations on over 100 annotated maps from the DARPA-USGS dataset demonstrate high accuracy across polygon, line, and point feature extraction, and reliable georeferencing performance. Deployed at USGS, DIGMAPPER significantly accelerates the creation of analysis-ready geospatial datasets, supporting national-scale critical mineral assessments and broader geoscientific applications.
• Abstract（参考訳）: 歴史的地質地図には、岩石単位、断層、折り畳み面、ベディング面などの豊富な地理空間情報が含まれており、再生可能エネルギー、電気自動車、国家安全保障に不可欠な鉱物資源の評価に不可欠である。 しかし、地図のデジタル化は労働集約的で時間を要する課題である。 地質図のデジタル化を自動化するために米国地質調査所(USGS)と共同で開発されたモジュール式でスケーラブルなシステムであるDIGMAPPERを提案する。 DIGMAPPERは、地図レイアウト分析、特徴抽出、ジオレファリングのための最先端のディープラーニングモデルを統合する、完全にDocker化されたワークフローオーケストレーションアーキテクチャを備えている。 限られたトレーニングデータや複雑なビジュアルコンテンツといった課題を克服するために,大規模な言語モデルを用いたインコンテキスト学習,合成データ生成,トランスフォーマーベースモデルなど,革新的な技術を採用している。 DARPA-USGSデータセットから100以上のアノテートマップの評価は、ポリゴン、直線、点特徴抽出、信頼性の高いジオレファレンス性能を示す。 アメリカ地質調査所(USGS)に配備されたDIGMAPPERは、解析可能な地理空間データセットの作成を著しく加速し、全国規模の臨界鉱物評価とより広範な地球科学的応用をサポートする。

関連論文リスト

• OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
  マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。 地理空間応用に適したMLLM(OmniGeo)を提案する。 自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
  論文  参考訳（メタデータ） (2025-03-20T16:45:48Z)
• EarthScape: A Multimodal Dataset for Surficial Geologic Mapping and Earth Surface Analysis [0.31077024712075796]
  本研究では,地球表面マッピングと地球表面解析のための新しいAI対応マルチモーダルデータセットであるEarthScapeを紹介する。 EarthScapeは高解像度の空中RGBと近赤外(NIR)画像、デジタル標高モデル(DEM)、マルチスケールDEM起源の地形特徴、水文・インフラベクトルデータを統合している。 EarthScapeは、拡張のためのビジョンを持つ生きたデータセットとして、コンピュータビジョンと地球科学のギャップを埋める。
  論文  参考訳（メタデータ） (2025-03-19T18:23:48Z)
• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
  地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。 その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。 このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
  論文  参考訳（メタデータ） (2025-01-10T18:59:42Z)
• Self-Supervised Representation Learning for Geospatial Objects: A Survey [21.504978593542354]
  自己教師付き学習(SSL)は、広範囲にラベル付けされた監督なしでデータから直接効果的で一般化可能な表現を学習できる能力に注目が集まっている。 本稿では,3種類の幾何学的ベクトルタイプ(ポイント,ポリライン,ポリゴン)において,地理空間オブジェクトに対して特別に適用または開発されたSSL技術について調査する。 地空間オブジェクトに対するSSLの出現傾向,特に地空間基盤モデルへの段階的な進歩について検討する。
  論文  参考訳（メタデータ） (2024-08-22T05:28:22Z)
• GeoDecoder: Empowering Multimodal Map Understanding [3.164495478670176]
  GeoDecoderは、地図内の地理空間情報を処理するために設計された、専用のマルチモーダルモデルである。 GeoDecoderはBeitGPTアーキテクチャに基づいて構築されており、画像やテキスト処理の専門的なモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2024-01-26T02:39:40Z)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)

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。