論文の概要: LIGHTHOUSE: Fast and precise distance to shoreline calculations from anywhere on earth

• arxiv url: http://arxiv.org/abs/2506.18842v1
• Date: Mon, 23 Jun 2025 17:00:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:37.093954
• Title: LIGHTHOUSE: Fast and precise distance to shoreline calculations from anywhere on earth
• Title（参考訳）: LIGHTHOUSE:地球上どこからでも高速で正確な海岸線計算
• Authors: Patrick Beukema, Henry Herzog, Yawen Zhang, Hunter Pitelka, Favyen Bastani,
• Abstract要約: 我々はAnywhere on Earth(AoE)から高速で効率的な沿岸距離計算のための新しいデータセットとアルゴリズムを導入する。 既存のデータよりも100倍以上の精度で,グローバルな海岸線データセットを10mの解像度で提供します。 このような規模でクエリを行う際の計算的課題に対処するため,我々は新しいライブラリを新たに導入する: 階層的階層的階層的テライン指向統一検索エンジン(Lighthouse)。
• 参考スコア（独自算出の注目度）: 4.841249373076213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a new dataset and algorithm for fast and efficient coastal distance calculations from Anywhere on Earth (AoE). Existing global coastal datasets are only available at coarse resolution (e.g. 1-4 km) which limits their utility. Publicly available satellite imagery combined with computer vision enable much higher precision. We provide a global coastline dataset at 10 meter resolution, a 100+ fold improvement in precision over existing data. To handle the computational challenge of querying at such an increased scale, we introduce a new library: Layered Iterative Geospatial Hierarchical Terrain-Oriented Unified Search Engine (Lighthouse). Lighthouse is both exceptionally fast and resource-efficient, requiring only 1 CPU and 2 GB of RAM to achieve millisecond online inference, making it well suited for real-time applications in resource-constrained environments.
• Abstract（参考訳）: 我々はAnywhere on Earth (AoE) から高速で効率的な沿岸距離計算のための新しいデータセットとアルゴリズムを導入する。 既存のグローバルな沿岸データセットは粗い解像度(eg 1-4 km)でしか利用できない。 一般に利用可能な衛星画像とコンピュータビジョンを組み合わせることで、より精度の高い衛星画像が得られる。 既存のデータよりも100倍以上の精度で,グローバルな海岸線データセットを10mの解像度で提供します。 このような大規模に問合せを行う際の計算的課題に対処するため,我々は新しいライブラリであるLayered Iterative Geospatial Hierarchical Terrain-Oriented Unified Search Engine (Lighthouse)を導入する。 Lighthouseは、非常に高速かつリソース効率が高く、1CPUと2GBのRAMしか必要としない。

関連論文リスト

• GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
  大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。 我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。 実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
  論文  参考訳（メタデータ） (2023-10-10T00:03:23Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• OpenEarthMap: A Benchmark Dataset for Global High-Resolution Land Cover Mapping [15.419052489797775]
  OpenEarthMapは、グローバルな高解像度土地被覆マッピングのためのベンチマークデータセットである。 6大陸44か国から97の地域をカバーしている5000の航空画像と衛星画像の2200万部で構成されている。
  論文  参考訳（メタデータ） (2022-10-19T17:20:16Z)
• Open High-Resolution Satellite Imagery: The WorldStrat Dataset -- With Application to Super-Resolution [3.5626735456895964]
  以下にWorldStratデータセットを紹介する。 最大の、そして最も多様な公開データセットは、エアバス SPOT 6/7の高解像度の1.5 m/ピクセルである。 自由アクセス可能な低解像度のSentinel-2衛星から10m/ピクセルの高解像度画像を複数の低解像度画像で時間的にマッチングする。
  論文  参考訳（メタデータ） (2022-07-13T14:30:20Z)
• 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)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks Relying on Real Flight Data: From Single-Objective to Near-Pareto Multi-Objective Optimization [79.96177511319713]
  航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。 フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。 DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
  論文  参考訳（メタデータ） (2021-10-28T14:18:22Z)
• SpaceNet 6: Multi-Sensor All Weather Mapping Dataset [13.715388432549373]
  オープンなMulti-Sensor All Weather Mapping (MSAW)データセットと課題について述べる。 MSAWは複数の重なり合う集合体を120 km2で覆っており、48,000以上のユニークな建物フットプリントラベルがアノテートされている。 我々は,SARデータを用いた足跡抽出のためのベースラインとベンチマークを提案し,光学データに基づいて事前訓練された最先端セグメンテーションモデルを発見し,SARで訓練した。
  論文  参考訳（メタデータ） (2020-04-14T13:43:11Z)

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。