論文の概要: Vision Transformer-Based Time-Series Image Reconstruction for Cloud-Filling Applications

• arxiv url: http://arxiv.org/abs/2506.19591v1
• Date: Tue, 24 Jun 2025 13:00:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.631925
• Title: Vision Transformer-Based Time-Series Image Reconstruction for Cloud-Filling Applications
• Title（参考訳）: 視覚変換器を用いたクラウドフィリングアプリケーションのための時系列画像再構成
• Authors: Lujun Li, Yiqun Wang, Radu State,
• Abstract要約: マルチスペクトル画像(MSI)における雲の被覆は、初期収穫のマッピングにおいて重要な課題となる。 雲に覆われた領域のMSIデータを再構成するために、視覚変換器(ViT)を用いた時系列MSI画像再構成という新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.99180601782579
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cloud cover in multispectral imagery (MSI) poses significant challenges for early season crop mapping, as it leads to missing or corrupted spectral information. Synthetic aperture radar (SAR) data, which is not affected by cloud interference, offers a complementary solution, but lack sufficient spectral detail for precise crop mapping. To address this, we propose a novel framework, Time-series MSI Image Reconstruction using Vision Transformer (ViT), to reconstruct MSI data in cloud-covered regions by leveraging the temporal coherence of MSI and the complementary information from SAR from the attention mechanism. Comprehensive experiments, using rigorous reconstruction evaluation metrics, demonstrate that Time-series ViT framework significantly outperforms baselines that use non-time-series MSI and SAR or time-series MSI without SAR, effectively enhancing MSI image reconstruction in cloud-covered regions.
• Abstract（参考訳）: マルチスペクトル画像(MSI)における雲の被覆は、スペクトル情報の欠落や破損につながるため、初期の収穫のマッピングに重大な課題をもたらす。 クラウド干渉の影響を受けない合成開口レーダ(SAR)データには相補的な解決策があるが、正確な作物マッピングには十分なスペクトル詳細が欠如している。 そこで本研究では,視覚変換器(ViT)を用いた時系列MSI画像再構成手法を提案し,MSIの時間的コヒーレンスとSARからの補完情報を利用して雲に覆われた領域のMSIデータを再構成する。 厳密な再構成評価指標を用いた総合的な実験により、時系列ViTフレームワークは、非時系列MSIとSARまたはSARのない時系列MSIを使用するベースラインを著しく上回り、雲に覆われた領域でのMSI画像再構成を効果的に向上することを示した。

関連論文リスト

• Cloud-Aware SAR Fusion for Enhanced Optical Sensing in Space Missions [0.0]
  雲の汚染は、光学衛星画像の使用性を著しく損なう。 本研究では,SAR-光機能融合と深層学習に基づく画像再構成を統合するクラウド・アテンティブ・リコンストラクション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-22T03:27:41Z)
• Deep Multimodal Fusion for Semantic Segmentation of Remote Sensing Earth Observation Data [0.08192907805418582]
  本稿では,セマンティックセグメンテーションのための後期融合深層学習モデル(LF-DLM)を提案する。 1つのブランチは、UNetFormerがキャプチャした空中画像の詳細なテクスチャと、ViT(Multi-Axis Vision Transformer)バックボーンを統合する。 もう一方のブランチは、U-ViNet(U-TAE)を用いてSentinel-2衛星画像Max時系列から複雑な時間ダイナミクスをキャプチャする。
  論文  参考訳（メタデータ） (2024-10-01T07:50:37Z)
• Multi-Modal Vision Transformers for Crop Mapping from Satellite Image Time Series [2.5245269564204653]
  既存の最先端アーキテクチャでは、SITSの空間次元に対する時間次元と畳み込みを処理するために自己アテンション機構を使用している。 単一モーダルSITSからの作物マッピングにおける純粋に注意に基づくアーキテクチャの成功により、我々は複数のマルチモーダルマルチテンポラルトランスフォーマーベースのアーキテクチャを導入する。 実験結果から, 畳み込みと自己認識の両コンポーネントによる最先端アーキテクチャの大幅な改善が示された。
  論文  参考訳（メタデータ） (2024-06-24T10:40:46Z)
• Multi-scale Restoration of Missing Data in Optical Time-series Images with Masked Spatial-Temporal Attention Network [0.6675733925327885]
  リモートセンシング画像に欠落した値を出力する既存の方法は、補助情報を完全に活用できない。 本稿では,時系列リモートセンシング画像の再構成のためのMS2という,深層学習に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T09:05:05Z)
• ViTs for SITS: Vision Transformers for Satellite Image Time Series [52.012084080257544]
  ビジョン変換器(ViT)に基づく一般衛星画像時系列(SITS)処理のための完全アテンショナルモデルを提案する。 TSViTはSITSレコードを空間と時間で重複しないパッチに分割し、トークン化し、分解されたテンポロ空間エンコーダで処理する。
  論文  参考訳（メタデータ） (2023-01-12T11:33:07Z)
• SST: Real-time End-to-end Monocular 3D Reconstruction via Sparse Spatial-Temporal Guidance [71.3027345302485]
  リアルタイムモノクル3D再構成は未解決の課題である。 視覚SLAMシステムからのスパース推定点を利用したエンドツーエンドの3D再構成ネットワークSSTを提案する。 SSTは、59FPSで高い推論速度を維持しながら、最先端の競合他社よりも優れています。
  論文  参考訳（メタデータ） (2022-12-13T12:17:13Z)
• SatMAE: Pre-training Transformers for Temporal and Multi-Spectral Satellite Imagery [74.82821342249039]
  Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。 時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
  論文  参考訳（メタデータ） (2022-07-17T01:35:29Z)
• Exploring the Potential of SAR Data for Cloud Removal in Optical Satellite Imagery [41.40522618945897]
  我々は,SAR画像に埋め込まれた補完情報を活用するために,新しいグローバルローカル核融合型クラウド除去アルゴリズム(GLF-CR)を提案する。 提案アルゴリズムは高品質なクラウドフリーな画像を得ることができ、最先端のクラウド除去アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2022-06-06T18:53:19Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)

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。