論文の概要: A Novel Modeling Framework and Data Product for Extended VIIRS-like Artificial Nighttime Light Image Reconstruction (1986-2024)

• arxiv url: http://arxiv.org/abs/2508.00590v1
• Date: Fri, 01 Aug 2025 12:44:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.879412
• Title: A Novel Modeling Framework and Data Product for Extended VIIRS-like Artificial Nighttime Light Image Reconstruction (1986-2024)
• Title（参考訳）: 拡張VIIRSライクな人工夜間光画像再構成のための新しいモデリングフレームワークとデータ製品(1986-2024)
• Abstract要約: 本稿では,2段階のプロセス-構築と改良-からなる新しい再構築フレームワークを提案する。 われわれは、1986年から26年間、標準的なデータ記録を遡って延ばし、中国のEVAL(Extended VIIRS-like Artificial Nighttime Light)製品を開発した。
• 参考スコア（独自算出の注目度）: 3.96078677930003
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial Night-Time Light (NTL) remote sensing is a vital proxy for quantifying the intensity and spatial distribution of human activities. Although the NPP-VIIRS sensor provides high-quality NTL observations, its temporal coverage, which begins in 2012, restricts long-term time-series studies that extend to earlier periods. Despite the progress in extending VIIRS-like NTL time-series, current methods still suffer from two significant shortcomings: the underestimation of light intensity and the structural omission. To overcome these limitations, we propose a novel reconstruction framework consisting of a two-stage process: construction and refinement. The construction stage features a Hierarchical Fusion Decoder (HFD) designed to enhance the fidelity of the initial reconstruction. The refinement stage employs a Dual Feature Refiner (DFR), which leverages high-resolution impervious surface masks to guide and enhance fine-grained structural details. Based on this framework, we developed the Extended VIIRS-like Artificial Nighttime Light (EVAL) product for China, extending the standard data record backwards by 26 years to begin in 1986. Quantitative evaluation shows that EVAL significantly outperforms existing state-of-the-art products, boosting the $\text{R}^2$ from 0.68 to 0.80 while lowering the RMSE from 1.27 to 0.99. Furthermore, EVAL exhibits excellent temporal consistency and maintains a high correlation with socioeconomic parameters, confirming its reliability for long-term analysis. The resulting EVAL dataset provides a valuable new resource for the research community and is publicly available at https://doi.org/10.11888/HumanNat.tpdc.302930.
• Abstract（参考訳）: 人工夜間光(NTL)リモートセンシングは、人間の活動の強度と空間分布を定量化するための重要なプロキシである。 NPP-VIIRSセンサーは高品質なNTL観測を提供するが、2012年から始まる時間的カバレッジは、初期の期間まで続く長期の時系列研究を制限している。 VIIRSライクなNTL時系列の進展にもかかわらず、現在の手法では光強度の過小評価と構造的欠落という2つの重大な欠点に悩まされている。 これらの制約を克服するために,建設と改良という2段階のプロセスからなる新しい再構築フレームワークを提案する。 建設段階は、初期改修の忠実性を高めるために設計された階層型核融合デコーダ(HFD)が特徴である。 改良段階にはDFR(Dual Feature Refiner)が採用され、高分解能な表面マスクを利用して微細な構造の詳細をガイドし、強化する。 この枠組みに基づき、1986年から26年に遡って、中国向けの拡張VIIRSライクな人工夜間光(EVAL)製品を開発した。 定量評価によると、EVALは既存の最先端製品よりも大幅に優れており、$\text{R}^2$は0.68から0.80に、RMSEは1.27から0.99に下げられている。 さらに、EVALは、優れた時間的一貫性を示し、社会経済的パラメータと高い相関を維持し、長期的な分析の信頼性を確認している。 得られたEVALデータセットは、研究コミュニティにとって貴重な新しいリソースを提供し、https://doi.org/10.11888/HumanNat.tpdc.302930で公開されている。

関連論文リスト

• DecoVAE: a Lightweight Interpretable Trend-Seasonal VAE Framework for Efficient Probabilistic Time Series Forecasting [43.38565681834944]
  我々は、軽量な解釈可能なトレンドシーズンVAEフレームワークであるDecoVAEを提案する。 時系列を傾向と季節成分に分解し、ドメイン固有の帰納バイアスを適用する。 7つの実世界のベンチマークにおいて、一貫して強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-08-20T13:51:07Z)
• Model-agnostic Retrieval-Augmented Extended Forecasting for time series [8.126818349121537]
  事前訓練された基礎モデルによる時系列予測は、強力なゼロショット機能を示している。 ドメイン固有のアプリケーションにおいて、短いまたは無視可能な履歴データを持つ時系列で最適なパフォーマンスを達成するには、通常、微調整またはRAGによる適応が必要である。 この研究は、RAGをより効率的な代替案として、特にRAFを探求し、RAEF上に構築されたモデル非依存の手法であるRAEFを導入する。
  論文  参考訳（メタデータ） (2026-08-14T07:59:17Z)
• Global-Scale Self-Supervised Spatiotemporal Learning for NDVI Time-Series Reconstruction [9.201150739299447]
  NDVI再構成のためのグローバルな自己監督型時空間フレームワークを提案する。 このフレームワークは、人工的に比較的クリーンな観測によって監視信号を構成する。 提案手法は, 植生の動態を正確に把握し, キーフェノロジー状態の把握を可能にする。
  論文  参考訳（メタデータ） (2026-08-03T14:46:25Z)
• SynHAT: A Two-stage Coarse-to-Fine Diffusion Framework for Synthesizing Human Activity Traces [5.290747756844097]
  人間活動(HAT)は、人間のモビリティモデリングやPOI(point-of-interest recommendation)など、多くの応用において重要である。 生成AIの最近の進歩は、そのようなアプリケーションのためにプライバシを保存するHATを合成する新たな機会を提供する。 しかし、2つの大きな課題が残っている: (i) HAT は、非常に不規則で、長い時間間隔で動的であり、 (ii) 生成モデルは、しばしば計算コストが高く、長期的な、きめ細かい HAT 合成が非効率的である。
  論文  参考訳（メタデータ） (2026-04-16T07:12:16Z)
• Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
  フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。 FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。 連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
  論文  参考訳（メタデータ） (2026-03-23T03:22:33Z)
• Overcoming the Modality Gap in Context-Aided Forecasting [54.976964834365056]
  本稿では,時間的力学の記述と数値履歴に相補的な文脈を生成する半合成データ拡張手法を提案する。 このアプローチによって大規模なデータセット生成が可能になり、700万のコンテキスト拡張時系列ウィンドウのコーパスであるCAF-7Mが実現される。
  論文  参考訳（メタデータ） (2026-03-12T21:05:33Z)
• OSDEnhancer: Taming Real-World Space-Time Video Super-Resolution with One-Step Diffusion [64.10689934231165]
  ビデオスーパーレゾリューションモデル(DM)は、ビデオスーパーレゾリューション(VSR)において極めて成功している。 時空ビデオスーパーレゾリューション(STVSR)の可能性は、低解像度から高解像度までのリアルな視覚コンテンツを回復する必要があるが、コヒーレントなダイナミックスでフレームレートを改善する必要がある。 提案するOSDEnhancerは,効率的なワンステップ拡散プロセスにより,実世界のSTVSRを初期化するための最初の手法である。 実験により,提案手法は実世界のシナリオにおいて優れた性能を維持しつつ,最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-01-28T06:59:55Z)
• Bridging Robustness and Efficiency: Real-Time Low-Light Enhancement via Attention U-Net GAN [0.0]
  エッジ展開可能な速度で生成レベルのテクスチャを復元するハイブリッドな注意型U-Net GANを提案する。 提案手法は,効率的なモデルのうち,クラス別LPIPSスコアが0.112であることを示す。 これは遅延拡散モデルよりも40倍のスピードアップを示し、我々のアプローチはほぼリアルタイムなアプリケーションに適している。
  論文  参考訳（メタデータ） (2026-01-10T10:39:22Z)
• From Memorization to Creativity: LLM as a Designer of Novel Neural-Architectures [48.83701310501069]
  大規模言語モデル(LLM)は、プログラム合成において優れているが、ニューラルネットワーク設計(信頼性、性能、構造的ノベルティ)を自律的にナビゲートする能力は、未調査のままである。 コード指向LLMをクローズドループ合成フレームワークに配置し、22の教師付き微調整サイクルの進化を解析することによって、この問題に対処する。
  論文  参考訳（メタデータ） (2026-01-06T13:20:28Z)
• LiDAR-GS++:Improving LiDAR Gaussian Reconstruction via Diffusion Priors [51.724649822336346]
  実時間および高忠実度再シミュレーションのための拡散前処理により強化された再構成手法であるLiDAR-GS++を提案する。 具体的には、粗い外挿レンダリングを条件とした制御可能なLiDAR生成モデルを導入し、余分な幾何整合性スキャンを生成する。 再構成を未適合領域にまで拡張することにより,外挿的視点に対するグローバルな幾何整合性を確保することができる。
  論文  参考訳（メタデータ） (2025-11-15T17:33:12Z)
• Otter: Mitigating Background Distractions of Wide-Angle Few-Shot Action Recognition with Enhanced RWKV [42.36311246633652]
  我々は,各フレームのキーパッチを強調する広角動作認識システムを開発し,背景情報に対する被験者の強調を効果的に行う。 通常の試作機は時間的強調と時間的モデリングを同時に強化し、広角FSARの性能を向上させるため、時間的強化された試作機と組み合わせられる。
  論文  参考訳（メタデータ） (2025-11-10T06:05:56Z)
• ReNF: Rethinking the Design Space of Neural Long-Term Time Series Forecasters [48.79331759671512]
  本稿では,提案手法の理論的基礎となるマルチプルニューラル予測定理を提案する。 自動回帰(AR)と直接出力(DO)の両方の利点を組み合わせた新しい予測戦略であるブースト・ダイレクト・アウトプット(BDO)を提案する。
  論文  参考訳（メタデータ） (2025-09-30T08:05:59Z)
• Frequency-Constrained Learning for Long-Term Forecasting [15.31488551912888]
  実世界の時系列は、物理法則、人間のルーチン、季節周期から生じる強い周期構造を示す。 現代の深層予測モデルは、スペクトルバイアスと周波数認識による誘導前兆の欠如により、繰り返し発生するパターンを捉えることができないことが多い。 本稿では,周期性を明示的にモデル化し,長期予測を効果的に行う手法を提案する。
  論文  参考訳（メタデータ） (2025-08-02T22:12:15Z)
• DIFFUMA: High-Fidelity Spatio-Temporal Video Prediction via Dual-Path Mamba and Diffusion Enhancement [5.333662480077316]
  我々は,半導体ウェハダイシングプロセスに特化した最初の公開時空間画像データセットであるChip Dicing Laneデータセット(CHDL)をリリースする。 このような微細なダイナミクスに特化して設計された、革新的なデュアルパス予測アーキテクチャであるDIFFUMAを提案する。 実験の結果、DIFFUMAは既存の手法よりも優れており、平均二乗誤差(MSE)を39%削減し、類似性(SSIM)を0.926から0.988に改善した。
  論文  参考訳（メタデータ） (2025-07-09T10:51:54Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [55.09326865401653]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• From Proxies to Fields: Spatiotemporal Reconstruction of Global Radiation from Sparse Sensor Sequences [0.38836072943850625]
  TRONは22年間のシミュレーションデータに基づいて訓練され、65,341箇所で一般化されている。 TRONは、大気モデル、地球物理学的ハザードモニタリング、リアルタイム環境リスク予測など、スパースデータから科学分野を再構築するためのドメインに依存しないフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-05-24T16:24:10Z)
• T2I-Eval-R1: Reinforcement Learning-Driven Reasoning for Interpretable Text-to-Image Evaluation [60.620408007636016]
  T2I-Eval-R1は,大まかな品質スコアのみを用いて,オープンソースのMLLMを訓練する新しい強化学習フレームワークである。 提案手法では,グループ相対政策最適化を命令調整プロセスに統合し,スカラースコアと解釈可能な推論チェーンの両方を生成する。
  論文  参考訳（メタデータ） (2025-05-23T13:44:59Z)
• Restoration Score Distillation: From Corrupted Diffusion Pretraining to One-Step High-Quality Generation [82.39763984380625]
  Score Distillation (DSD) の原理的一般化である textitRestoration Score Distillation (RSD) を提案する。 RSDは、ぼやけた画像、不完全画像、低解像度画像など、広範囲の汚職タイプに対応している。 自然と科学の両方のデータセットの様々な復元作業において、教師モデルを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-19T17:21:03Z)
• Siamese Foundation Models for Crystal Structure Prediction [70.63218101004398]
  結晶構造予測(CSP)は、組成から安定な結晶構造を生成することを目的としている。 CSPは比較的未発見の領域である。 CSPに特化して設計されたシームズ基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-13T15:44:16Z)
• Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
  我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。 単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
  論文  参考訳（メタデータ） (2024-06-12T02:48:52Z)
• DeepLight: Reconstructing High-Resolution Observations of Nighttime Light With Multi-Modal Remote Sensing Data [4.89861083551325]
  夜間光(NTL)リモートセンシング観測は、一連の持続可能な開発目標を達成するための進捗を定量的に評価するためのユニークなプロキシとして機能する。 本研究では,マルチモーダルリモートセンシングデータを用いた高解像度NTL画像の再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T00:25:22Z)
• Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
  我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。 我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。 また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
  論文  参考訳（メタデータ） (2024-02-22T18:55:17Z)
• Spatial-Temporal-Decoupled Masked Pre-training for Spatiotemporal Forecasting [15.446085872077898]
  本研究では,2つの分離されたマスク付きオートエンコーダを用いて,空間次元と時間次元に沿った時系列を再構成する自己教師付き事前学習フレームワークを提案する。 このような再構築を通じて学んだリッチコンテキスト表現は、ダウンストリームによってシームレスに統合され、任意のアーキテクチャでパフォーマンスを向上することができる。
  論文  参考訳（メタデータ） (2023-12-01T11:43:49Z)
• Long Short-Term Transformer for Online Action Detection [96.23884916995978]
  Long Short-term TRansformer (LSTR) はオンライン行動検出のための新しい時間的モデリングアルゴリズムである。 以前の研究と比較すると、LSTRはアルゴリズム設計の少ない長編動画を効果的かつ効率的にモデル化する方法を提供する。
  論文  参考訳（メタデータ） (2021-07-07T17:49:51Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。