論文の概要: CD-Mamba: Cloud detection with long-range spatial dependency modeling
- arxiv url: http://arxiv.org/abs/2509.04729v1
- Date: Fri, 05 Sep 2025 01:02:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-08 14:27:25.436917
- Title: CD-Mamba: Cloud detection with long-range spatial dependency modeling
- Title（参考訳）: CD-Mamba:長距離空間依存性モデリングによる雲の検出
- Authors: Tianxiang Xue, Jiayi Zhao, Jingsheng Li, Changlu Chen, Kun Zhan,
- Abstract要約: 雲の検出には、短距離空間冗長性と雲のパッチ間の長距離大気類似性の両方に対処する必要がある。
コンボリューションとMambaの状態空間モデリングを統合したハイブリッドモデルとしてCD-Mambaを提案する。
- 参考スコア（独自算出の注目度）: 10.250611987029254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Remote sensing images are frequently obscured by cloud cover, posing significant challenges to data integrity and reliability. Effective cloud detection requires addressing both short-range spatial redundancies and long-range atmospheric similarities among cloud patches. Convolutional neural networks are effective at capturing local spatial dependencies, while Mamba has strong capabilities in modeling long-range dependencies. To fully leverage both local spatial relations and long-range dependencies, we propose CD-Mamba, a hybrid model that integrates convolution and Mamba's state-space modeling into a unified cloud detection network. CD-Mamba is designed to comprehensively capture pixelwise textural details and long term patchwise dependencies for cloud detection. This design enables CD-Mamba to manage both pixel-wise interactions and extensive patch-wise dependencies simultaneously, improving detection accuracy across diverse spatial scales. Extensive experiments validate the effectiveness of CD-Mamba and demonstrate its superior performance over existing methods.
- Abstract（参考訳）: リモートセンシング画像は、しばしばクラウドカバーによって隠蔽され、データの完全性と信頼性に重大な課題を生じさせる。
効果的な雲検出には、短距離空間冗長性と雲のパッチ間の長距離大気類似性の両方に対処する必要がある。
畳み込みニューラルネットワークは局所的な空間依存を捉えるのに有効であるが、Mambaは長距離依存のモデリングに強力な能力を持っている。
局所空間関係と長距離依存性の両面をフル活用するために,畳み込みとMambaの状態空間モデリングを統合したハイブリッドモデルCD-Mambaを提案する。
CD-Mambaは、クラウド検出のためのピクセルワイドテクスチャの詳細と長期のパッチワイド依存関係を包括的にキャプチャするように設計されている。
この設計により、CD-Mambaはピクセルワイドインタラクションとパッチワイド依存関係の両方を同時に管理でき、空間スケールをまたいだ検出精度を向上させることができる。
大規模な実験はCD-Mambaの有効性を検証し、既存の方法よりも優れた性能を示した。
関連論文リスト
- MambaTron: Efficient Cross-Modal Point Cloud Enhancement using Aggregate Selective State Space Modeling [0.0]
マンバは自己保持機構の効率的な代替品である。
我々は,ネットワークのビルディングブロックとして機能するMamba-TransformerセルであるMambaTronを紹介する。
我々のモデルは現在の最先端技術に匹敵する性能を示す。
論文 参考訳（メタデータ） (2025-01-25T05:25:20Z) - STNMamba: Mamba-based Spatial-Temporal Normality Learning for Video Anomaly Detection [48.997518615379995]
ビデオ異常検出(VAD)は、インテリジェントなビデオシステムの可能性から広く研究されている。
CNNやトランスフォーマーをベースとした既存の手法の多くは、依然としてかなりの計算負荷に悩まされている。
空間的時間的正規性の学習を促進するために,STNMambaという軽量で効果的なネットワークを提案する。
論文 参考訳（メタデータ） (2024-12-28T08:49:23Z) - Spatial-Mamba: Effective Visual State Space Models via Structure-aware State Fusion [46.82975707531064]
SSM(Selective State Space Model)は、1Dシーケンシャルデータにおける長距離依存関係のキャプチャに優れる。
本研究では,地域間直接接続を実現する新しいアプローチであるSpatial-Mambaを提案する。
画像分類,検出,セグメンテーションにおいて,空間マンバは,単一のスキャンであっても,最先端のSSMベースのモデルを達成したり,超えたりしていることを示す。
論文 参考訳（メタデータ） (2024-10-19T12:56:58Z) - Pamba: Enhancing Global Interaction in Point Clouds via State Space Model [37.375866491592305]
我々は、SSMベースのアーキテクチャであるMambaをポイントクラウドドメインに導入し、線形複雑性の下で強力なグローバルモデリング機能を備えた新しいアーキテクチャであるPambaを提案する。
Pambaは、ScanNet v2、ScanNet200、S3DIS、nuScenesなど、いくつかの3Dポイントクラウドセグメンテーションタスクの最先端結果を取得する。
論文 参考訳（メタデータ） (2024-06-25T10:23:53Z) - Point Cloud Mamba: Point Cloud Learning via State Space Model [73.7454734756626]
我々は,マンバをベースとしたポイントクラウド法が,トランスフォーマや多層パーセプトロン(MLP)に基づく従来手法よりも優れていることを示す。
特に,マルチ層パーセプトロン(MLP)を用いて,マンバをベースとした点雲法が従来手法より優れていることを示す。
Point Cloud Mambaは、最先端(SOTA)のポイントベースメソッドであるPointNeXtを超え、ScanNN、ModelNet40、ShapeNetPart、S3DISデータセット上での新たなSOTAパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-03-01T18:59:03Z) - Pseudo-LiDAR Point Cloud Interpolation Based on 3D Motion Representation
and Spatial Supervision [68.35777836993212]
我々はPseudo-LiDAR点雲ネットワークを提案し、時間的および空間的に高品質な点雲列を生成する。
点雲間のシーンフローを活用することにより,提案ネットワークは3次元空間運動関係のより正確な表現を学習することができる。
論文 参考訳（メタデータ） (2020-06-20T03:11:04Z)
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。