論文の概要: RiverScope: High-Resolution River Masking Dataset

• arxiv url: http://arxiv.org/abs/2509.02451v1
• Date: Tue, 02 Sep 2025 16:00:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:04.092953
• Title: RiverScope: High-Resolution River Masking Dataset
• Title（参考訳）: リバースコープ:高分解能河川マスキングデータセット
• Authors: Rangel Daroya, Taylor Rowley, Jonathan Flores, Elisa Friedmann, Fiona Bennitt, Heejin An, Travis Simmons, Marissa Jean Hughes, Camryn L Kluetmeier, Solomon Kica, J. Daniel Vélez, Sarah E. Esenther, Thomas E. Howard, Yanqi Ye, Audrey Turcotte, Colin Gleason, Subhransu Maji,
• Abstract要約: RiverScopeは2,577平方キロメートルの高解像度画像1,145枚で構成されている。 我々は,河川幅推定のための最初のグローバル,高解像度のベンチマークを構築した。 RiverScopeは、微細でマルチセンサーなヒドロロジーモデリングのための貴重なリソースを提供する。
• 参考スコア（独自算出の注目度）: 9.870770596247395
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surface water dynamics play a critical role in Earth's climate system, influencing ecosystems, agriculture, disaster resilience, and sustainable development. Yet monitoring rivers and surface water at fine spatial and temporal scales remains challenging -- especially for narrow or sediment-rich rivers that are poorly captured by low-resolution satellite data. To address this, we introduce RiverScope, a high-resolution dataset developed through collaboration between computer science and hydrology experts. RiverScope comprises 1,145 high-resolution images (covering 2,577 square kilometers) with expert-labeled river and surface water masks, requiring over 100 hours of manual annotation. Each image is co-registered with Sentinel-2, SWOT, and the SWOT River Database (SWORD), enabling the evaluation of cost-accuracy trade-offs across sensors -- a key consideration for operational water monitoring. We also establish the first global, high-resolution benchmark for river width estimation, achieving a median error of 7.2 meters -- significantly outperforming existing satellite-derived methods. We extensively evaluate deep networks across multiple architectures (e.g., CNNs and transformers), pretraining strategies (e.g., supervised and self-supervised), and training datasets (e.g., ImageNet and satellite imagery). Our best-performing models combine the benefits of transfer learning with the use of all the multispectral PlanetScope channels via learned adaptors. RiverScope provides a valuable resource for fine-scale and multi-sensor hydrological modeling, supporting climate adaptation and sustainable water management.
• Abstract（参考訳）: 地表の水力学は、生態系、農業、災害の回復力、持続可能な発展に影響を及ぼす地球の気候システムにおいて重要な役割を担っている。 しかし、特に低解像度の衛星データで捉えられない狭い河川や堆積物の多い河川では、細かな空間的・時間的スケールで河川や表層水をモニタリングすることは依然として困難である。 これを解決するために,コンピュータ科学と水文学の専門家の協力によって開発された高解像度データセットであるRiverScopeを紹介した。 RiverScopeの高解像度画像は1,145枚(約2,577平方キロメートル)で、専門的なラベルの付いた川と表面の水面が描かれている。 それぞれの画像はSentinel-2、SWOT、SWOT River Database(SWORD)と共同で登録され、センサー間のコスト精度トレードオフの評価を可能にする。 我々はまた、河川幅推定のための最初の地球規模の高解像度のベンチマークを確立し、7.2メートルの中央値誤差を達成し、既存の衛星由来の手法を著しく上回っている。 我々は、複数のアーキテクチャ(例えば、CNNやトランスフォーマー)、事前トレーニング戦略(例えば、教師付きおよび自己教師型)、データセット(例えば、画像Netや衛星画像)にわたるディープネットワークを広範囲に評価する。 我々の最高の性能モデルは、トランスファーラーニングの利点と、学習した適応子を介して全マルチスペクトルPlanetScopeチャネルの使用を組み合わせています。 リバースコープは、気候適応と持続可能な水管理をサポートする、微細でマルチセンサーな水文学モデリングのための貴重な資源を提供する。

関連論文リスト

• A Transfer Learning-Based Method for Water Body Segmentation in Remote Sensing Imagery: A Case Study of the Zhada Tulin Area [17.87554359007837]
  アジア・ウォータータワーとして知られるチベット高原は、気候変動に対する高い敏感さのため、水安全保障上の大きな課題に直面している。 本研究では、SegFormerモデルを用いた2段階のトランスファー学習戦略を提案し、気候に敏感なアプリケーションのための堅牢なAIを開発する上で、ドメインシフトとデータスカーク-キーバリアを克服する。
  論文  参考訳（メタデータ） (2025-07-14T09:11:33Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• StreakNet-Arch: An Anti-scattering Network-based Architecture for Underwater Carrier LiDAR-Radar Imaging [44.96583097079915]
  我々は,我々の開発した水中キャリアLiDAR-Radar(UCLR)に基づくリアルタイムエンドツーエンドバイナリ分類フレームワークであるStreakNet-Archを紹介した。 制御された水槽検証条件下では、StreakNet-Arch with Self-Attention または DBC-Attention が従来のバンドパスフィルタリングより優れている。 南シナ海におけるUCLRシステムの検証を行い,深度1000m,幅20mの3Dターゲットに対して46mmの誤差に達した。
  論文  参考訳（メタデータ） (2024-04-14T06:19:46Z)
• Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies mapping [40.996860106131244]
  気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。 本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
  論文  参考訳（メタデータ） (2024-01-05T18:11:08Z)
• DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water Extent with SAR Images using Knowledge Distillation [44.99833362998488]
  トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。 我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。 実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
  論文  参考訳（メタデータ） (2023-05-02T18:06:21Z)
• GLH-Water: A Large-Scale Dataset for Global Surface Water Detection in Large-Size Very-High-Resolution Satellite Imagery [2.342488890032597]
  本稿では,250個の衛星画像と手動による表層水アノテーションからなるGLH-waterデータセットを提案する。 それぞれの画像サイズは12,800ドル(約12,800円)で、空間解像度0.3mの12,800ピクセル。 GLH-waterのベンチマークを構築するために,代表表面水検出モデル,一般的なセマンティックセグメンテーションモデル,超高分解能セグメンテーションモデルを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-03-16T13:35:56Z)
• Deep Learning Models for River Classification at Sub-Meter Resolutions from Multispectral and Panchromatic Commercial Satellite Imagery [2.121978045345352]
  この研究は、Quickbird、WorldView、GeoEye衛星の画像を用いて北極の河川に焦点を当てている。 我々は、8バンドマルチスペクトルセンサーのRGBとNIRバンドを用いており、これらの訓練されたモデルはすべて、衛星画像特有のトレーニングデータのオンザフライ前処理によって、検証データに対して90%以上の精度とリコールを達成している。 新たなアプローチでは、マルチスペクトルモデルによる結果を用いて、パンクロマチック画像のみを必要とするFCNのトレーニングデータを生成する。
  論文  参考訳（メタデータ） (2022-12-27T20:56:34Z)
• Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery And Digital Elevation Models [0.0]
  Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。 実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
  論文  参考訳（メタデータ） (2020-12-11T18:42:15Z)

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。