論文の概要: A Satellite-Ground Synergistic Large Vision-Language Model System for Earth Observation

• arxiv url: http://arxiv.org/abs/2507.05731v1
• Date: Tue, 08 Jul 2025 07:24:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.659049
• Title: A Satellite-Ground Synergistic Large Vision-Language Model System for Earth Observation
• Title（参考訳）: 地球観測のための衛星・球体相似大視線モデルシステム
• Authors: Yuxin Zhang, Jiahao Yang, Zhe Chen, Wenjun Zhu, Jin Zhao, Yue Gao,
• Abstract要約: 大型ビジョン言語モデル(LVLM)は、データセンター内の低地球軌道(LEO)衛星地球観測画像の強力な解析能力を解き放つ。 高速衛星の動き、短い衛星地上局(GS)との接触窓、画像の大きさはデータのダウンロードに挑戦する。 LEO衛星ネットワークにおけるLVLMの展開方法と,効率的な衛星地上合成LVLM推論システムであるSpaceVerseの設計について検討する。
• 参考スコア（独自算出の注目度）: 17.112498759423296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, large vision-language models (LVLMs) unleash powerful analysis capabilities for low Earth orbit (LEO) satellite Earth observation images in the data center. However, fast satellite motion, brief satellite-ground station (GS) contact windows, and large size of the images pose a data download challenge. To enable near real-time Earth observation applications (e.g., disaster and extreme weather monitoring), we should explore how to deploy LVLM in LEO satellite networks, and design SpaceVerse, an efficient satellite-ground synergistic LVLM inference system. To this end, firstly, we deploy compact LVLMs on satellites for lightweight tasks, whereas regular LVLMs operate on GSs to handle computationally intensive tasks. Then, we propose a computing and communication co-design framework comprised of a progressive confidence network and an attention-based multi-scale preprocessing, used to identify on-satellite inferring data, and reduce data redundancy before satellite-GS transmission, separately. We implement and evaluate SpaceVerse on real-world LEO satellite constellations and datasets, achieving a 31.2% average gain in accuracy and a 51.2% reduction in latency compared to state-of-the-art baselines.
• Abstract（参考訳）: 近年,LVLMは低地球軌道(LEO)衛星地球観測画像の強力な解析能力をデータセンターに導入している。 しかし、高速衛星の動き、短い衛星地上局(GS)との接触窓、画像の大規模化は、データのダウンロードを困難にしている。 リアルタイムに近い地球観測(災害・極度の気象モニタリングなど)を可能にするため、LEO衛星ネットワークにLVLMをデプロイする方法を探索し、効率的な衛星地上合成LVLM推論システムであるSpaceVerseを設計する必要がある。 この目的のために、まず、軽量なタスクのために衛星に小型のLVLMを配置する一方、通常のLVLMは計算集約的なタスクを処理するためにGS上で運用する。 そこで我々は,プログレッシブ・信頼ネットワークとアテンション・ベースのマルチスケール前処理からなる計算・通信協調設計フレームワークを提案する。 実世界のLEO衛星コンステレーションやデータセット上でSpaceVerseを実装して評価し、最先端のベースラインと比較して31.2%の精度向上と51.2%のレイテンシ削減を実現した。

関連論文リスト

• Constellation as a Service: Tailored Connectivity Management in Direct-Satellite-to-Device Networks [51.982277327318656]
  グローバルなモバイルサービス拡張のための有望なソリューションとして,DS2D(Direct-Satellite-to-Device)通信が登場している。 マルチコンステレーションにおけるDS2D接続管理の課題は顕著である。 この記事では、コンステレーション・アズ・ア・サービス・フレームワークを提案します。
  論文  参考訳（メタデータ） (2025-07-01T16:06:29Z)
• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
  本稿では,ハイブリッド画像前処理パイプラインを統合することで,障害を克服する新しい計算イメージングフレームワークを提案する。 我々は,中国の江東宇宙ステーションと国際宇宙ステーションの合成衛星データセットとオンスキー観測の両方にアプローチを検証した。 我々のフレームワークは地球からの高忠実度3D衛星監視を可能にし、宇宙状況認識のためのコスト効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2024-04-29T03:13:09Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• Stitching Satellites to the Edge: Pervasive and Efficient Federated LEO Satellite Learning [1.3121410433987561]
  本稿では,衛星が大規模機械学習(ML)タスクを効率的に実行できるようにする新しいFL-SECフレームワークを提案する。 主な構成要素は、余分な衛星画像を特定して排除するディビジョン・アンド・コンカーによるパーソナライズドラーニングと、軌道毎に集約された「軌道モデル」を生成し、地上局に送る前に再訓練する軌道モデル再訓練である。 我々のアプローチではFL収束時間が30倍近く減少し、衛星のエネルギー消費は1.38ワットまで減少し、例外的な精度は96%まで維持される。
  論文  参考訳（メタデータ） (2024-01-28T02:01:26Z)
• FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks [18.213174641216884]
  多数の低軌道軌道(LEO)衛星が打ち上げられ、SpaceXなどの商業企業によって宇宙に投入された。 LEO衛星が搭載するマルチモーダルセンサにより、通信だけでなく、空間変調認識やリモートセンシング画像分類など、さまざまな機械学習アプリケーションにも機能する。 本稿では,これらの課題に対処するための一般FLフレームワークとしてFedSNを提案し,LEO衛星上でのデータ多様性について検討する。
  論文  参考訳（メタデータ） (2023-11-02T14:47:06Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。