論文の概要: A Sentinel-3 foundation model for ocean colour

• arxiv url: http://arxiv.org/abs/2509.21273v1
• Date: Thu, 25 Sep 2025 15:00:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:13.010571
• Title: A Sentinel-3 foundation model for ocean colour
• Title（参考訳）: 海洋色に関するセンチネル3基礎モデル
• Authors: Geoffrey Dawson, Remy Vandaele, Andrew Taylor, David Moffat, Helen Tamura-Wicks, Sarah Jackson, Rosie Lickorish, Paolo Fraccaro, Hywel Williams, Chunbo Luo, Anne Jones,
• Abstract要約: 我々は,Sentinel-3 Ocean and Land Colour Instrument (OLCI) のデータ再構成を事前訓練した Prithvi-EO Vision Transformer アーキテクチャを用いた新しい基礎モデルについて述べる。 2つの下流海洋地球観測課題の微調整によるモデルの評価を行った。 この新世代の地理空間AIモデルは、海洋生態系とその地球温暖化プロセスにおける役割について、より堅牢でデータ駆動的な洞察を提供する可能性を秘めている、と結論付けています。
• 参考スコア（独自算出の注目度）: 8.571925606193703
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial Intelligence (AI) Foundation models (FMs), pre-trained on massive unlabelled datasets, have the potential to drastically change AI applications in ocean science, where labelled data are often sparse and expensive to collect. In this work, we describe a new foundation model using the Prithvi-EO Vision Transformer architecture which has been pre-trained to reconstruct data from the Sentinel-3 Ocean and Land Colour Instrument (OLCI). We evaluate the model by fine-tuning on two downstream marine earth observation tasks. We first assess model performance compared to current baseline models used to quantify chlorophyll concentration. We then evaluate the FMs ability to refine remote sensing-based estimates of ocean primary production. Our results demonstrate the utility of self-trained FMs for marine monitoring, in particular for making use of small amounts of high quality labelled data and in capturing detailed spatial patterns of ocean colour whilst matching point observations. We conclude that this new generation of geospatial AI models has the potential to provide more robust, data-driven insights into ocean ecosystems and their role in global climate processes.
• Abstract（参考訳）: 人工知能(AI)ファウンデーションモデル(FM)は、大量の未ラベルデータセットで事前訓練され、海洋科学におけるAIアプリケーションを大幅に変更する可能性を秘めている。 本研究では,Sentinel-3 Ocean and Land Colour Instrument (OLCI) のデータ再構成を事前訓練した Prithvi-EO Vision Transformer アーキテクチャを用いた新しい基礎モデルについて述べる。 2つの下流海洋地球観測課題の微調整によるモデルの評価を行った。 まず,クロロフィル濃度の定量化に使用される現在のベースラインモデルと比較してモデル性能を評価する。 次に,海洋一次生産のリモートセンシングに基づく推定を洗練させるFMの能力を評価する。 本研究は, 海洋モニタリングにおける自己学習FMの有用性を実証するものであり, 特に, 少量の高品質ラベリングデータの利用, および, 海色の詳細な空間パターンの把握に有効であることを示すものである。 この新世代の地理空間AIモデルは、海洋生態系とその地球温暖化プロセスにおける役割について、より堅牢でデータ駆動的な洞察を提供する可能性を秘めている、と結論付けています。

関連論文リスト

• Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
  海上物体検出は、航行安全、監視、自律運転に不可欠である。 Neptune-Xは、トレーニングの有効性を高めるデータ中心の生成選択フレームワークである。 我々の手法は海洋シーン合成における新しいベンチマークを定めている。
  論文  参考訳（メタデータ） (2025-09-25T04:59:02Z)
• Towards Training-Free Underwater 3D Object Detection from Sonar Point Clouds: A Comparison of Traditional and Deep Learning Approaches [0.0]
  我々は,マルチビームエコー・サンダーポイント雲における人工構造物のトレーニング不要検出のための2つのパラダイムを開発し,比較する。 我々の2つのアプローチは、最先端のニューラルネットワークのための合成トレーニングデータを生成する物理ベースのソナーシミュレーションパイプラインと、堅牢なモデルベースのテンプレートマッチングシステムを組み合わせたものです。 本研究は,水中ドメインにおけるデータハングリー深層学習に関する従来の知恵に挑戦し,非トレーニング型水中3D検出のための最初の大規模ベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-08-22T12:08:21Z)
• 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)
• UAVTwin: Neural Digital Twins for UAVs using Gaussian Splatting [57.63613048492219]
  UAVTwinは,無人航空機(UAV)に埋め込まれた下流モデルの訓練を行うための,実環境からデジタル双生児を作成する方法である。 これは、背景を再構築するための3Dガウススティング(3DGS)と、多様な外観と動作を複数のポーズで表示する制御可能な合成人間モデルを統合することで実現される。
  論文  参考訳（メタデータ） (2025-04-02T22:17:30Z)
• Introducing VaDA: Novel Image Segmentation Model for Maritime Object Segmentation Using New Dataset [3.468621550644668]
  海上輸送産業はコンピュータビジョン人工知能(AI)の進歩によって急速に進化している 海洋環境における物体認識は、光の反射、干渉、激しい照明、様々な気象条件といった課題に直面します。 既存のAI認識モデルとデータセットは、自律ナビゲーションシステムを構成するのに限定的に適している。
  論文  参考訳（メタデータ） (2024-07-12T05:48:53Z)
• Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
  本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。 このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。 提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
  論文  参考訳（メタデータ） (2024-06-14T12:15:15Z)
• Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
  海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。 沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。 本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
  論文  参考訳（メタデータ） (2023-07-05T17:38:48Z)
• Watermarking for Out-of-distribution Detection [76.20630986010114]
  Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。 本稿では,透かしという一般的な手法を提案する。 我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
  論文  参考訳（メタデータ） (2022-10-27T06:12:32Z)
• Toward Foundation Models for Earth Monitoring: Proposal for a Climate Change Benchmark [95.19070157520633]
  近年の自己スーパービジョンの進歩は、大量の教師なしデータ上で大規模なニューラルネットワークを事前訓練することで、下流タスクの一般化が著しく増加することを示している。 基礎モデルとして最近作られたそのようなモデルは、自然言語処理の分野に転換してきた。 気候変動に関連する様々な下流タスクからなる新しいベンチマークを開発することを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:38:19Z)

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。