論文の概要: Multi-temporal Calving Front Segmentation

• arxiv url: http://arxiv.org/abs/2512.11560v1
• Date: Fri, 12 Dec 2025 13:45:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.786745
• Title: Multi-temporal Calving Front Segmentation
• Title（参考訳）: マルチテンポラルカルビングフロントセグメンテーション
• Authors: Marcel Dreier, Nora Gourmelon, Dakota Pyles, Fei Wu, Matthias Braun, Thorsten Seehaus, Andreas Maier, Vincent Christlein,
• Abstract要約: 我々は,同じ氷河の衛星画像時系列から並列にフレームを処理することを提案する。 CaFFeベンチマークデータセット上で、最先端のパフォーマンスを新たに達成する。
• 参考スコア（独自算出の注目度）: 10.678952901314405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The calving fronts of marine-terminating glaciers undergo constant changes. These changes significantly affect the glacier's mass and dynamics, demanding continuous monitoring. To address this need, deep learning models were developed that can automatically delineate the calving front in Synthetic Aperture Radar imagery. However, these models often struggle to correctly classify areas affected by seasonal conditions such as ice melange or snow-covered surfaces. To address this issue, we propose to process multiple frames from a satellite image time series of the same glacier in parallel and exchange temporal information between the corresponding feature maps to stabilize each prediction. We integrate our approach into the current state-of-the-art architecture Tyrion and accomplish a new state-of-the-art performance on the CaFFe benchmark dataset. In particular, we achieve a Mean Distance Error of 184.4 m and a mean Intersection over Union of 83.6.
• Abstract（参考訳）: 海洋の終端氷河のボーリングフロントは、常に変化している。 これらの変化は氷河の質量とダイナミクスに大きな影響を与え、継続的なモニタリングを必要としている。 このニーズに対処するため、Synthetic Aperture Radar画像のキュビングフロントを自動的にデライン化できるディープラーニングモデルが開発された。 しかし、これらのモデルはしばしば、氷のメランジュや積雪面などの季節条件の影響を受けやすい地域を正しく分類するのに苦労する。 この問題に対処するために,同じ氷河の衛星画像時系列から並列に複数のフレームを処理し,対応する特徴マップ間で時間情報を交換し,それぞれの予測を安定化させることを提案する。 当社のアプローチを現在の最先端アーキテクチャであるTyrionに統合し、CaFFeベンチマークデータセット上で新たな最先端パフォーマンスを実現しています。 特に、平均距離誤差は184.4mであり、平均距離誤差は83.6である。

関連論文リスト

• RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
  本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。 提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-23T15:41:40Z)
• S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
  既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。 これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。 本稿では,構造的空間的注意を新たに提案する。 空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。 ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
  論文  参考訳（メタデータ） (2025-09-10T05:33:28Z)
• SSL4SAR: Self-Supervised Learning for Glacier Calving Front Extraction from SAR Imagery [5.385992181979485]
  氷河は前例のないペースで氷塊を失い、正確な年間モニタリングの必要性が高まっている。 深層学習モデルでは、海氷や湖氷の氷河で季節的な氷の損失を追跡するために、氷の先端位置を抽出することができる。 本稿では,Swin Transformerエンコーダと残差畳み込みニューラルネットワーク(CNN)デコーダを組み合わせた新しいハイブリッドモデルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-02T14:24:23Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Graph Dual-stream Convolutional Attention Fusion for Precipitation Nowcasting [1.4610685586329806]
  降水は今,グラフシーケンス問題として再検討する。 我々のモデルでは、空間的時間的相互作用に対して異なる注意機構を用いる。 融合モジュールは両方のストリームを統合し、空間情報と時間情報を利用して精度を向上させる。
  論文  参考訳（メタデータ） (2024-01-15T20:54:20Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
  氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です 深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。 本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
  論文  参考訳（メタデータ） (2023-02-06T12:39:40Z)

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。