論文の概要: The Potential of Copernicus Satellites for Disaster Response: Retrieving Building Damage from Sentinel-1 and Sentinel-2

• arxiv url: http://arxiv.org/abs/2511.05461v1
• Date: Fri, 07 Nov 2025 18:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.855138
• Title: The Potential of Copernicus Satellites for Disaster Response: Retrieving Building Damage from Sentinel-1 and Sentinel-2
• Title（参考訳）: コペルニクス衛星による災害対応の可能性:センチネル1号とセンチネル2号による建物被害の回収
• Authors: Olivier Dietrich, Merlin Alfredsson, Emilia Arens, Nando Metzger, Torben Peters, Linus Scheibenreif, Jan Dirk Wegner, Konrad Schindler,
• Abstract要約: 我々は,コペルニクス計画から得られた中高分解能地球観測画像が建築物の損傷評価に有効かどうかを検討する。 我々はSentinel-1とSentinel-2の両方から10,315の事前およびディスアスター画像ペアのデータセットであるxBD-S12を紹介する。 一連の実験において,多くの災害シナリオにおいて,建築物の損傷を検出・地図化できることを実証した。
• 参考スコア（独自算出の注目度）: 23.909180599569158
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Natural disasters demand rapid damage assessment to guide humanitarian response. Here, we investigate whether medium-resolution Earth observation images from the Copernicus program can support building damage assessment, complementing very-high resolution imagery with often limited availability. We introduce xBD-S12, a dataset of 10,315 pre- and post-disaster image pairs from both Sentinel-1 and Sentinel-2, spatially and temporally aligned with the established xBD benchmark. In a series of experiments, we demonstrate that building damage can be detected and mapped rather well in many disaster scenarios, despite the moderate 10$\,$m ground sampling distance. We also find that, for damage mapping at that resolution, architectural sophistication does not seem to bring much advantage: more complex model architectures tend to struggle with generalization to unseen disasters, and geospatial foundation models bring little practical benefit. Our results suggest that Copernicus images are a viable data source for rapid, wide-area damage assessment and could play an important role alongside VHR imagery. We release the xBD-S12 dataset, code, and trained models to support further research.
• Abstract（参考訳）: 自然災害は人道的対応を導くために急激な被害評価を要求する。 そこで本研究では,コペルニクス計画から得られた高解像度地球観測画像が,高解像度画像と高解像度画像とを補完し,建築損傷評価を支援することができるかどうかを考察する。 我々は,Sentinel-1とSentinel-2から10,315枚の前・後画像ペアのデータセットであるxBD-S12を,確立したxBDベンチマークに空間的および時間的に一致させた形で導入する。 地中10$\,$mの地中サンプリング距離に拘わらず,多くの災害シナリオにおいて建築物の損傷を検出・地図化できることを, 一連の実験で実証した。 より複雑なモデルアーキテクチャは、目に見えない災害への一般化に苦しむ傾向にあり、地理空間基盤モデルは、実用的利益をほとんど得られない。 以上の結果から,コペルニクス画像は広範囲の損傷評価に有効であり,VHR画像と共に重要な役割を果たす可能性が示唆された。 さらなる研究を支援するために、xBD-S12データセット、コード、トレーニングされたモデルをリリースします。

関連論文リスト

• REOBench: Benchmarking Robustness of Earth Observation Foundation Models [48.24281482353377]
  REOBenchは、地球観測基盤モデルの堅牢性を評価するための最初の総合的なベンチマークである。 マスク付き画像モデリング、コントラスト学習、視覚言語事前学習パラダイムを用いて訓練された幅広いモデルの体系的評価を行う。 その結果, 既存の地球観測基盤モデルでは, 入力汚損に晒された場合, 顕著な性能劣化がみられた。
  論文  参考訳（メタデータ） (2025-05-22T15:34:50Z)
• BRIGHT: A globally distributed multimodal building damage assessment dataset with very-high-resolution for all-weather disaster response [50.76124284445902]
  ビル被害評価(BDA)は、人的被害を減らすために災害後の重要な能力である。 近年の研究では、目に見えない災害事象の正確なマッピングを実現するためのAIモデルの開発に焦点が当てられている。 本稿では, veRy-hIGH-resoluTion Optical and SAR image (BRIGHT) を用いたBDAデータセットを提案する。
  論文  参考訳（メタデータ） (2025-01-10T14:57:18Z)
• Multiclass Post-Earthquake Building Assessment Integrating High-Resolution Optical and SAR Satellite Imagery, Ground Motion, and Soil Data with Transformers [0.0]
  本研究では,地震後の高分解能衛星画像と構造物の耐震性能に関連する建築固有のメタデータを組み合わせたフレームワークを提案する。 2023年2月6日トルコ・シリア地震の建物群を対象とした多層地震後の被害同定において, 現状の成果が得られた。
  論文  参考訳（メタデータ） (2024-12-05T23:19:51Z)
• An Open-Source Tool for Mapping War Destruction at Scale in Ukraine using Sentinel-1 Time Series [16.900687593159066]
  武装紛争による建物被害を推定するスケーラブルな手法を提案する。 合成開口レーダ画像時系列の機械学習モデルを訓練することにより、建物レベルで確率的損傷推定を生成する。 大規模な推論を可能にし、アクセシビリティを確保するため、我々はGoogle Earth Engine上で実行するためにメソッドを紐付けます。
  論文  参考訳（メタデータ） (2024-06-04T17:24:19Z)
• OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution Shifts of Individual Nuisances in Natural Images [59.51657161097337]
  OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。 この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
  論文  参考訳（メタデータ） (2023-04-17T20:39:25Z)
• Assessing out-of-domain generalization for robust building damage detection [78.6363825307044]
  建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。 モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。 今後はOOD体制に重点を置くべきだと我々は主張する。
  論文  参考訳（メタデータ） (2020-11-20T10:30:43Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)
• An Attention-Based System for Damage Assessment Using Satellite Imagery [18.43310705820528]
  本稿では,建物の損傷レベルを評価するため,Siam-U-Net-Attnモデルを提案する。 大規模建物被害評価データセットである xView2 上で提案手法の評価を行い,提案手法が正確な被害規模分類と建物分割を同時に達成できることを実証した。
  論文  参考訳（メタデータ） (2020-04-14T16:37:55Z)

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。