論文の概要: AI-ming backwards: Vanishing archaeological landscapes in Mesopotamia and automatic detection of sites on CORONA imagery

• arxiv url: http://arxiv.org/abs/2507.13420v2
• Date: Tue, 29 Jul 2025 07:01:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 19:17:25.965485
• Title: AI-ming backwards: Vanishing archaeological landscapes in Mesopotamia and automatic detection of sites on CORONA imagery
• Title（参考訳）: AIの裏向き:メソポタミアの考古学的景観の消滅とコロナ画像の自動検出
• Authors: Alessandro Pistola, Valentina Orru', Nicolo' Marchetti, Marco Roccetti,
• Abstract要約: 我々は、Cronaとして知られる最も古いグレースケール衛星画像セットの1つが提供した知識を用いて、既存のディープラーニングモデルをアップグレードする。 最初のBingベースの畳み込みネットワークモデルは、バグダッドの西、アブ・グライブ地区のCrona衛星画像を用いて再訓練された。
• 参考スコア（独自算出の注目度）: 41.94295877935867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: By upgrading an existing deep learning model with the knowledge provided by one of the oldest sets of grayscale satellite imagery, known as CORONA, we improved the AI model attitude towards the automatic identification of archaeological sites in an environment which has been completely transformed in the last five decades, including the complete destruction of many of those same sites. The initial Bing based convolutional network model was retrained using CORONA satellite imagery for the district of Abu Ghraib, west of Baghdad, central Mesopotamian floodplain. The results were twofold and surprising. First, the detection precision obtained on the area of interest increased sensibly: in particular, the Intersection over Union (IoU) values, at the image segmentation level, surpassed 85 percent, while the general accuracy in detecting archeological sites reached 90 percent. Second, our retrained model allowed the identification of four new sites of archaeological interest (confirmed through field verification), previously not identified by archaeologists with traditional techniques. This has confirmed the efficacy of using AI techniques and the CORONA imagery from the 1960 to discover archaeological sites currently no longer visible, a concrete breakthrough with significant consequences for the study of landscapes with vanishing archaeological evidence induced by anthropization
• Abstract（参考訳）: コロンアとして知られる最古級の衛星画像から得られる知識で既存の深層学習モデルを改良することにより、過去50年間に完全に変容した環境下での考古学的遺跡の自動識別に対するAIモデルの姿勢を改善した。 最初のBingベースの畳み込みネットワークモデルは、メソポタミア中部のバグダードの西、アブ・グライブ地区のCrona衛星画像を用いて再訓練された。 結果は2倍、驚きだった。 まず、関心領域で得られた検出精度は、特に、画像分割レベルでのIoU値が85%を超え、考古学的遺跡検出の一般的な精度が90%に達した。 第二に、我々の再訓練されたモデルにより、以前は考古学者が従来の技術で特定していなかった4つの新しい考古学的関心の場所(フィールド検証によって確認された)の同定が可能となった。 これは、1960年代からのAI技術とコロナ画像を用いて、現在見えていない考古学遺跡を発見することの有効性を確認した。

関連論文リスト

• Pre-Columbian Settlements Shaped Palm Clusters in the Sierra Nevada de Santa Marta, Colombia [29.174699285095375]
  植生シグネチャに基づく考古学的影響領域の新たな研究手法を提案する。 ヤシの樹を識別するために衛星画像に基づいて訓練された深層学習モデルと、ヤシの群集を識別するためのクラスタリングアルゴリズムで構成されている。 結果は、ヤシが大規模なインフラ投資を示す考古学的遺跡付近でどのようにかなり豊富であったかを示している。
  論文  参考訳（メタデータ） (2025-07-09T15:31:44Z)
• Archaeoscape: Bringing Aerial Laser Scanning Archaeology to the Deep Learning Era [4.627866592315685]
  アーカイオスケープ (Archioscape) は、カンボジアの888 km$2$の大規模な考古学的ALSデータセットである。 オープンアクセスデータ、アノテーション、モデルを備えた最初のALS考古学リソースである。 この問題に対する現代のビジョン技術の利点を示すために,近年のセグメンテーションモデルをいくつかベンチマークした。
  論文  参考訳（メタデータ） (2024-12-06T17:32:53Z)
• Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
  我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。 これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
  論文  参考訳（メタデータ） (2023-12-07T18:59:14Z)
• Batch-based Model Registration for Fast 3D Sherd Reconstruction [74.55975819488404]
  3次元復元技術は、考古学的断片のデジタル文書化に広く用いられている。 考古学遺跡から出土した断片の効率的なデジタル化のための携帯型,高スループット,高精度な復元システムを開発することを目的としている。 フラグメントの前後をペアリングするバッチベースの新しいマッチングアルゴリズムと,非常に狭い重複領域を共有する部分スキャンを登録できるバイラテラル境界ICPアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-11-13T13:08:59Z)
• Unsupervised Clustering of Roman Potsherds via Variational Autoencoders [63.8376359764052]
  我々は,ローマのコモンウェア・ポッシャードの分類作業において,考古学者を支援する人工知能ソリューションを提案する。 断片の部分性と手作りのばらつきは、それらのマッチングを困難な問題にしている。 深部畳み込み変分オートエンコーダ(VAE)ネットワークの潜時空間で学習した非線形特徴の教師なし階層的クラスタリングにより、類似したプロファイルをペアリングすることを提案する。
  論文  参考訳（メタデータ） (2022-03-14T18:56:13Z)
• Semi-Supervised Contrastive Learning for Remote Sensing: Identifying Ancient Urbanization in the South Central Andes [11.489739686646647]
  本研究では,95,358枚のラベル付き画像と5,830枚のラベル付き画像を用いて,長い尾を持つ衛星画像データセットから古代の建物を検知する問題の解決を行う。 我々の半教師付きコントラスト学習モデルは79.0%の精度で有望なテストを行い、他の最先端の手法と比べて3.8%改善した。
  論文  参考訳（メタデータ） (2021-12-13T06:26:47Z)
• Collaborative Mapping of Archaeological Sites using multiple UAVs [0.6212955085775759]
  考古学遺跡のより高速なマッピングのためのマルチUAV手法を提案する。 私たちは、インドのグジャラートにある15世紀の砦であるサドラ砦の最初の3Dマップを作成しました。
  論文  参考訳（メタデータ） (2021-05-17T07:12:40Z)
• Deep learning for lithological classification of carbonate rock micro-CT images [52.77024349608834]
  本研究は,ブラジルのプリサルト炭酸塩岩微視的画像のパターン同定にディープラーニング技術を適用することを目的としている。 4つの畳み込みニューラルネットワークモデルが提案された。 精度によると、リサイズ画像で訓練されたモデル2は、最初の評価アプローチでは平均75.54%、2番目の評価では平均81.33%に達した。
  論文  参考訳（メタデータ） (2020-07-30T19:14:00Z)
• Learning Patterns of Tourist Movement and Photography from Geotagged Photos at Archaeological Heritage Sites in Cuzco, Peru [73.52315464582637]
  我々は、ペルーのクズコにある既知の考古学遺産サーキットを横断する旅行パターンを特定するために、視覚と遺産観光に関連する現在の人類学の理論的談話を構築した。 本研究の目的は,(1)観光の強化が遺産規制やソーシャルメディアとどのように交わり,クズコの遺産景観を横断する旅行パターンの具体化に寄与するかを理解すること,(2)旅行物語がソーシャルメディア上でキュレーションされ,歴史史跡表現に根ざした観光客の期待と相まって,美的嗜好と視覚性がいかに絡み合うかを評価することである。
  論文  参考訳（メタデータ） (2020-06-29T22:49:59Z)

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。