論文の概要: Veli: Unsupervised Method and Unified Benchmark for Low-Cost Air Quality Sensor Correction

• arxiv url: http://arxiv.org/abs/2508.02724v1
• Date: Fri, 01 Aug 2025 10:06:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.582067
• Title: Veli: Unsupervised Method and Unified Benchmark for Low-Cost Air Quality Sensor Correction
• Title（参考訳）: Veli:低コスト空気質センサ補正のための教師なし手法と統一ベンチマーク
• Authors: Yahia Dalbah, Marcel Worring, Yen-Chia Hsu,
• Abstract要約: 都市大気汚染は毎年何百万人もの早死にを引き起こす主要な健康危機である。 低コストのセンサーは、高価なレファレンスグレードステーションに代わるスケーラブルな代替手段を提供する。 彼らの読みはドリフト、校正誤差、環境干渉の影響を受けている。
• 参考スコア（独自算出の注目度）: 13.58115155043779
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban air pollution is a major health crisis causing millions of premature deaths annually, underscoring the urgent need for accurate and scalable monitoring of air quality (AQ). While low-cost sensors (LCS) offer a scalable alternative to expensive reference-grade stations, their readings are affected by drift, calibration errors, and environmental interference. To address these challenges, we introduce Veli (Reference-free Variational Estimation via Latent Inference), an unsupervised Bayesian model that leverages variational inference to correct LCS readings without requiring co-location with reference stations, eliminating a major deployment barrier. Specifically, Veli constructs a disentangled representation of the LCS readings, effectively separating the true pollutant reading from the sensor noise. To build our model and address the lack of standardized benchmarks in AQ monitoring, we also introduce the Air Quality Sensor Data Repository (AQ-SDR). AQ-SDR is the largest AQ sensor benchmark to date, with readings from 23,737 LCS and reference stations across multiple regions. Veli demonstrates strong generalization across both in-distribution and out-of-distribution settings, effectively handling sensor drift and erratic sensor behavior. Code for model and dataset will be made public when this paper is published.
• Abstract（参考訳）: 都市大気汚染は毎年何百万人もの早死にを招き、大気質の正確かつスケーラブルなモニタリングの必要性を浮き彫りにしている。 安価なセンサー(LCS)は高価な参照グレードのステーションに代わるスケーラブルな代替手段を提供するが、その読み取りはドリフト、校正誤差、環境干渉の影響を受けている。 これらの課題に対処するため、Veli (Reference-free Variational Estimation via Latent Inference) を導入し、参照ステーションとの同時配置を必要とせず、変分推論を利用してLCSの読み出しを補正する非教師付きベイズモデルを提案する。 具体的には、ヴェリはLCS読取の歪んだ表現を構築し、真の汚染物質読取をセンサノイズから効果的に分離する。 我々のモデルを構築し,AQモニタリングにおける標準ベンチマークの欠如に対処するために,Air Quality Sensor Data Repository (AQ-SDR)を導入している。 AQ-SDRは、これまでで最大のAQセンサベンチマークであり、23,737 LCSと複数のリージョンにわたる参照ステーションからの読み込みがある。 Veliは、分布内と分布外の両方で強力な一般化を示し、センサドリフトと不安定なセンサーの振る舞いを効果的に扱う。 この論文が公開されたら、モデルとデータセットのコードは公開されます。

関連論文リスト

• In-field Calibration of Low-Cost Sensors through XGBoost $\&$ Aggregate Sensor Data [2.7832348184252056]
  高精度なセンサーは高価で、空間配置が制限され、カバー範囲も制限される。 低コストのセンサーが普及しているが、環境に敏感なことや製造の多様性が原因で漂流する傾向にある。 本稿では,XGBoostアンサンブル学習を用いたフィールド内センサキャリブレーションモデルを提案する。
  論文  参考訳（メタデータ） (2025-06-18T19:40:32Z)
• Advancing Air Quality Monitoring: TinyML-Based Real-Time Ozone Prediction with Cost-Effective Edge Devices [0.0]
  本稿では, オゾン濃度をリアルタイムに予測する新しいTinyMLシステムを提案する。 このシステムはArduino Nano 33 BLE Senseマイクロコントローラを使用し、一酸化炭素(CO)検出のためのMQ7センサーと温度と圧力測定のための内蔵センサーを備えている。
  論文  参考訳（メタデータ） (2025-04-03T10:48:24Z)
• Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Air Quality Sensor Fusion [6.963971634605796]
  本稿では,グラフ構造データに対する回帰処理に適した新しいunsupervised domain adapt(UDA)手法を提案する。 センサ間の関係をモデル化するために、時空間グラフニューラルネットワーク(STGNN)を組み込んだ。 弊社のアプローチでは、安価なIoTセンサが高価な参照センサから校正パラメータを学習できる。
  論文  参考訳（メタデータ） (2024-11-11T12:20:57Z)
• Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air Pollution Monitoring Systems [8.997596859735516]
  本稿では,センサアレイからのデータを融合させることによりキャリブレーションのプロセスを改善する新しい手法を提案する。 我々は,IoT大気汚染監視プラットフォームにおけるセンサの校正精度を大幅に向上させる手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-09-08T12:04:47Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Leveraging unsupervised data and domain adaptation for deep regression in low-cost sensor calibration [2.5845893156827158]
  大気質モニタリングは, 大気質に対する意識を高めるための重要な課題となっている。 低コストの空気質センサーは容易に展開できるが、高価で大きめの基準モニターほど信頼性は低い。 本稿では,センサキャリブレーションのタスクを半教師付き領域適応問題に変換する。
  論文  参考訳（メタデータ） (2022-10-02T13:47:45Z)
• Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
  オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。 異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
  論文  参考訳（メタデータ） (2021-07-28T10:19:58Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)
• Adaptive machine learning strategies for network calibration of IoT smart air quality monitoring devices [1.957338076370071]
  低コストの化学マイクロセンサーアレイは、比較的正確な大気汚染物質定量推定を提供することができる。 これらの精度は、いくつかの技術的問題の負の影響により、長期の現場展開において制限されている。 本研究では,マルチセンサキャリブレーションモデルの妥当性を高めるために,適応学習戦略を用いた非定常フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-24T10:26:51Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。