論文の概要: Tracking the Spatiotemporal Evolution of Landslide Scars Using a Vision Foundation Model: A Novel and Universal Framework
- arxiv url: http://arxiv.org/abs/2510.10084v1
- Date: Sat, 11 Oct 2025 07:49:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.774367
- Title: Tracking the Spatiotemporal Evolution of Landslide Scars Using a Vision Foundation Model: A Novel and Universal Framework
- Title（参考訳）: ビジョンファウンデーションモデルによる地すべりスカーの時空間進化の追跡
- Authors: Meijun Zhou, Gang Mei, Zhengjing Ma, Nengxiong Xu, Jianbing Peng,
- Abstract要約: 本研究では,視覚基盤モデルを用いた大規模地すべり跡の進化追跡のための普遍的枠組みを提案する。
提案フレームワークは,地すべり跡の連続的かつ正確な識別を保証するために,知識誘導型自己伝播パラダイム内で機能する。
- 参考スコア（独自算出の注目度）: 0.9681574077749001
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Tracking the spatiotemporal evolution of large-scale landslide scars is critical for understanding the evolution mechanisms and failure precursors, enabling effective early-warning. However, most existing studies have focused on single-phase or pre- and post-failure dual-phase landslide identification. Although these approaches delineate post-failure landslide boundaries, it is challenging to track the spatiotemporal evolution of landslide scars. To address this problem, this study proposes a novel and universal framework for tracking the spatiotemporal evolution of large-scale landslide scars using a vision foundation model. The key idea behind the proposed framework is to reconstruct discrete optical remote sensing images into a continuous video sequence. This transformation enables a vision foundation model, which is developed for video segmentation, to be used for tracking the evolution of landslide scars. The proposed framework operates within a knowledge-guided, auto-propagation, and interactive refinement paradigm to ensure the continuous and accurate identification of landslide scars. The proposed framework was validated through application to two representative cases: the post-failure Baige landslide and the active Sela landslide (2017-2025). Results indicate that the proposed framework enables continuous tracking of landslide scars, capturing both failure precursors critical for early warning and post-failure evolution essential for assessing secondary hazards and long-term stability.
- Abstract（参考訳）: 大規模な地すべり跡の時空間的進化を追跡することは、進化機構と失敗前駆体を理解するために重要であり、効果的な早期警戒を可能にする。
しかし、既存のほとんどの研究は単相または前・後二相地すべりの同定に重点を置いている。
これらの手法は, 地すべり後の境界線を規定するが, 地すべり跡の時空間的変化を追跡することは困難である。
そこで本研究では,視覚基盤モデルを用いた大規模地すべり跡の時空間的変化を追跡するための,新しい普遍的枠組みを提案する。
提案フレームワークの背景にある重要な考え方は、離散的なリモートセンシング画像を連続的なビデオシーケンスに再構成することである。
この変換により、ビデオセグメンテーションのために開発された視覚基盤モデルにより、地すべり跡の進化を追跡することができる。
提案フレームワークは,地すべり跡の連続的かつ正確な識別を保証するために,知識誘導型,自己伝播型,対話型精錬パラダイム内で機能する。
提案手法は, 崩壊後のベイジュ地すべりと活発なセラ地すべり (2017-2025) の2つの代表的な事例に適用することで検証された。
その結果, 地すべり跡の連続的追跡が可能であり, 早期警戒に不可欠な障害前駆体と, 二次危険度評価と長期安定に不可欠な障害後進化の双方を捕捉できることがわかった。
関連論文リスト
- GraphCSVAE: Graph Categorical Structured Variational Autoencoder for Spatiotemporal Auditing of Physical Vulnerability Towards Sustainable Post-Disaster Risk Reduction [0.5949779668853555]
物理的脆弱性をモデル化するための新しい確率的データ駆動フレームワークであるGraphCSVAEを紹介する。
本稿では,災害時と社会経済的に不利な2つの地域での物理的脆弱性の分布の変化を反映した,弱教師付き一階遷移行列を提案する。
本研究は,局部的な時間的監査と,災害後のリスク低減のための持続的戦略に関する貴重な知見を提供する。
論文 参考訳（メタデータ） (2025-09-12T14:50:56Z) - CoProU-VO: Combining Projected Uncertainty for End-to-End Unsupervised Monocular Visual Odometry [33.293024344960706]
ビジュアルオドメトリー(VO)は、自律ナビゲーション、ロボティクス、拡張現実の基本である。
提案手法は,対象フレームの不確かさと参照フレームの不確実性を組み合わせた,新しいエンドツーエンドアプローチであるCoProU-VOを提案する。
KITTIとnuScenesデータセットの実験は、以前の教師なし単眼のエンドツーエンドの2フレームベースの手法よりも大幅に改善されている。
論文 参考訳（メタデータ） (2025-08-01T12:09:42Z) - FASTopoWM: Fast-Slow Lane Segment Topology Reasoning with Latent World Models [53.91899980806139]
レーンセグメント推論は、総合的な鳥眼ビュー(BEV)ロードシーン理解を提供する。
ストリームベースの時間的伝搬法は,クエリレベルとBEVレベルの両方に時間的手がかりを組み込むことで,有望な結果を示した。
FASTopoWMは、潜在世界モデルで拡張された新しい高速スローレーンセグメント推論フレームワークである。
論文 参考訳（メタデータ） (2025-07-31T08:12:56Z) - Exploring Challenges in Deep Learning of Single-Station Ground Motion Records [2.7379431425414693]
地動記録から深層学習を行う過程において,地震相到着時間などの補助情報が支配する程度を評価する。
実験の結果,高相関の一次(P)相と二次(S)相の到着時間に強く依存していることが判明した。
これらの知見は, 単一局地動記録からの深層学習のための頑健な方法論の欠如を浮き彫りにして, 現在の研究環境における重要なギャップを浮き彫りにしている。
論文 参考訳（メタデータ） (2024-03-12T11:56:50Z) - Self-Supervised Bird's Eye View Motion Prediction with Cross-Modality
Signals [38.20643428486824]
密集した鳥の視線(BEV)の動きを自己監督的に学習することは、ロボット工学と自律運転の新たな研究である。
現在の自己監督法は主に点雲間の点対応に依存する。
マルチモダリティデータを活用することで,これらの問題に効果的に対処する,新たなクロスモダリティ自己教師型トレーニングフレームワークを導入する。
論文 参考訳（メタデータ） (2024-01-21T14:09:49Z) - Landslide Topology Uncovers Failure Movements [1.08890978642722]
本稿では,スライドやフローなどの動作に基づいて,障害タイプを特定するアプローチを提案する。
地すべりの形態や形状に埋め込まれた物質移動力学の顕著な特徴をトポロジカルプロキシが明らかにしているのを観察する。
歴史的およびイベント固有の地すべりデータベースの障害タイプを80～94 %の精度で識別できる。
論文 参考訳（メタデータ） (2023-10-14T17:53:55Z) - USTEP: Spatio-Temporal Predictive Learning under A Unified View [62.58464029270846]
UTEP(Unified S-Temporal Predictive Learning)は,マイクロテンポラリスケールとマクロテンポラリスケールを統合した再帰的および再帰的フリーな手法を再構築する,革新的なフレームワークである。
論文 参考訳（メタデータ） (2023-10-09T16:17:42Z) - On the Real-World Adversarial Robustness of Real-Time Semantic
Segmentation Models for Autonomous Driving [59.33715889581687]
現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。
本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。
画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
論文 参考訳（メタデータ） (2022-01-05T22:33:43Z) - The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
道路にはよく定義された地形、地形、交通規則がある。
本稿では,構造的事前を損失関数として組み込むことを提案する。
実世界の自動運転データセットにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-06-04T03:56:11Z) - Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。
生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。
実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文 参考訳（メタデータ） (2020-02-22T10:08:42Z)
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。