論文の概要: Seg the HAB: Language-Guided Geospatial Algae Bloom Reasoning and Segmentation

• arxiv url: http://arxiv.org/abs/2510.18751v2
• Date: Wed, 05 Nov 2025 22:17:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.147191
• Title: Seg the HAB: Language-Guided Geospatial Algae Bloom Reasoning and Segmentation
• Title（参考訳）: Seg the HAB: 言語による地理空間的藻類推論とセグメンテーション
• Authors: Patterson Hsieh, Jerry Yeh, Mao-Chi He, Wen-Han Hsieh, Elvis Hsieh,
• Abstract要約: 有害藻の開花(HAB)は、酸素欠乏、毒素の放出、海洋生物多様性の破壊を通じて、水生生態系と人間の健康を脅かす。 手動水サンプリングのような従来のモニタリング手法は、労働集約的であり、定量化と時間的カバレッジに制限がある。 リモートセンシングのための視覚言語モデル(VLM)の最近の進歩は、AI駆動型ソリューションの可能性を示しているが、画像の推論や重症度の向上には課題が残っている。 本研究では, リモートセンシング画像認識と重度推定を組み合わせた, HABモニタリングのためのセグメンテーション・アンド・レゾニングシステムであるALGOSを紹介する。
• 参考スコア（独自算出の注目度）: 0.250940779021804
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Climate change is intensifying the occurrence of harmful algal bloom (HAB), particularly cyanobacteria, which threaten aquatic ecosystems and human health through oxygen depletion, toxin release, and disruption of marine biodiversity. Traditional monitoring approaches, such as manual water sampling, remain labor-intensive and limited in spatial and temporal coverage. Recent advances in vision-language models (VLMs) for remote sensing have shown potential for scalable AI-driven solutions, yet challenges remain in reasoning over imagery and quantifying bloom severity. In this work, we introduce ALGae Observation and Segmentation (ALGOS), a segmentation-and-reasoning system for HAB monitoring that combines remote sensing image understanding with severity estimation. Our approach integrates GeoSAM-assisted human evaluation for high-quality segmentation mask curation and fine-tunes vision language model on severity prediction using the Cyanobacteria Aggregated Manual Labels (CAML) from NASA. Experiments demonstrate that ALGOS achieves robust performance on both segmentation and severity-level estimation, paving the way toward practical and automated cyanobacterial monitoring systems.
• Abstract（参考訳）: 気候変動は有害な藻類(HAB)の発生を増し、特にシアノバクテリアは、酸素欠乏、毒素の放出、海洋生物多様性の破壊を通じて水生生態系と人間の健康を脅かす。 手動水サンプリングのような従来のモニタリング手法は、労働集約的であり、空間的および時間的カバー範囲に限られている。 リモートセンシングのための視覚言語モデル(VLM)の最近の進歩は、スケーラブルなAI駆動型ソリューションの可能性を示しているが、画像の推論やブルーム重大性の定量化には課題が残っている。 本研究では, リモートセンシング画像認識と重度推定を組み合わせた, HABモニタリングのためのセグメンテーション・アンド・レソナリングシステムであるALGOSを紹介する。 提案手法は,NASAのCyanobacteria Aggregated Manual Labels (CAML) を用いた,高品質なセグメンテーションマスクキュレーションのためのGeoSAM支援人体評価と細管視覚言語モデルを統合した。 実験により,ALGOSはセグメンテーションと重度評価の両方において堅牢な性能を達成し,シアノバクテリアモニタリングシステムへの道を開いた。

関連論文リスト

• Fusing Multi- and Hyperspectral Satellite Data for Harmful Algal Bloom Monitoring with Self-Supervised and Hierarchical Deep Learning [0.0]
  有害な藻類の発芽の重症度と種分化を検出・マッピングするための自己教師型機械学習フレームワークを提案する。 運用機器の反射率データをTROPOMI太陽誘起蛍光 (SIF) に融合させることで, 施設ごとのラベル付きデータセットを必要とせず, HAB重大度および種別生成物を生成する。 このフレームワークは、自己監督的な表現学習、階層的な深層クラスタリングを用いて、植物プランクトン濃度と種分化を解釈可能なクラスに分割し、メキシコ湾と南カリフォルニア湾のその場データに対して検証する。
  論文  参考訳（メタデータ） (2025-10-03T06:51:19Z)
• DEEP-SEA: Deep-Learning Enhancement for Environmental Perception in Submerged Aquatics [5.543187582839764]
  継続的で信頼性の高い水中モニタリングは、海洋生物多様性の評価、生態学的変化の検出、自律探査に不可欠である。 水中環境は、光散乱、吸収、濁度により、画像の明瞭度を低下させ、色情報を歪ませることによる重要な課題を呈している。 空間構造を保存しながら低周波情報と高周波情報を両立させる深層学習に基づく水中画像復元モデルDEEP-SEAを提案する。
  論文  参考訳（メタデータ） (2025-08-18T11:07:26Z)
• 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)
• Monitoring digestate application on agricultural crops using Sentinel-2 Satellite imagery [1.2670268797931266]
  本研究は,土壌の肥大化を図り,環境リスクを生じさせる光学式Sentinel-2衛星画像による消化処理の検出について検討した。 最初の例では、特定の指標(EOMI、NDVI、EVI)のSentinel-2衛星画像時系列(SITS)分析を用いて、EOMのスペクトル挙動を特徴づけた。 機械学習(ML)モデルは消化の有無を調査するために用いられ、F1スコアは最大0.85まで達成された。
  論文  参考訳（メタデータ） (2025-04-28T17:16:40Z)
• Marine Saliency Segmenter: Object-Focused Conditional Diffusion with Region-Level Semantic Knowledge Distillation [44.50637633194709]
  海洋衛生(MSS)は、様々な視覚に基づく海洋探査において重要な役割を担っている。 拡散モデルに基づく新しい海洋塩分セグメンタDiffMSSを提案する。 我々は、過度に信頼された誤認識を抑制するために、専用決定論的コンセンサスサンプリングを開発する。
  論文  参考訳（メタデータ） (2025-04-03T08:31:36Z)
• 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)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)

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。