論文の概要: Scalable neural pushbroom architectures for real-time denoising of hyperspectral images onboard satellites

• arxiv url: http://arxiv.org/abs/2601.05020v1
• Date: Thu, 08 Jan 2026 15:28:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.251928
• Title: Scalable neural pushbroom architectures for real-time denoising of hyperspectral images onboard satellites
• Title（参考訳）: 衛星上のハイパースペクトル画像のリアルタイムデノナイズのためのスケーラブルなニューラルプッシュブルームアーキテクチャ
• Authors: Ziyao Yi, Davide Piccinini, Diego Valsesia, Tiziano Bianchi, Enrico Magli,
• Abstract要約: 次世代の地球観測衛星は、ペイロードに直接インテリジェントなモデルを展開しようとしている。 この設定は、3つの競合する目標、すなわち、複雑さの低い高品質な推論、動的パワースケーラビリティ、耐障害性に対処する必要があることを示す。 本稿では、上記の3つの目的に対処するニューラルネットワーク設計について、いくつかの新しいコントリビューションを提案する。
• 参考スコア（独自算出の注目度）: 16.339458111521257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The next generation of Earth observation satellites will seek to deploy intelligent models directly onboard the payload in order to minimize the latency incurred by the transmission and processing chain of the ground segment, for time-critical applications. Designing neural architectures for onboard execution, particularly for satellite-based hyperspectral imagers, poses novel challenges due to the unique constraints of this environment and imaging system that are largely unexplored by the traditional computer vision literature. In this paper, we show that this setting requires addressing three competing objectives, namely high-quality inference with low complexity, dynamic power scalability and fault tolerance. We focus on the problem of hyperspectral image denoising, which is a critical task to enable effective downstream inference, and highlights the constraints of the onboard processing scenario. We propose a neural network design that addresses the three aforementioned objectives with several novel contributions. In particular, we propose a mixture of denoisers that can be resilient to radiation-induced faults as well as allowing for time-varying power scaling. Moreover, each denoiser employs an innovative architecture where an image is processed line-by-line in a causal way, with a memory of past lines, in order to match the acquisition process of pushbroom hyperspectral sensors and greatly limit memory requirements. We show that the proposed architecture can run in real-time, i.e., process one line in the time it takes to acquire the next one, on low-power hardware and provide competitive denoising quality with respect to significantly more complex state-of-the-art models. We also show that the power scalability and fault tolerance objectives provide a design space with multiple tradeoffs between those properties and denoising quality.
• Abstract（参考訳）: 次世代の地球観測衛星は、時間クリティカルな用途のために、地上セグメントの送信と処理の連鎖によって生じる遅延を最小限に抑えるために、インテリジェントなモデルをペイロードに直接展開することを目指している。 オンボード実行のためのニューラルネットワークの設計、特に衛星ベースのハイパースペクトル画像装置は、この環境の独特な制約と従来のコンピュータビジョンの文献でほとんど解明されていないイメージングシステムのために、新しい課題を提起する。 本稿では,低複雑性な高品質推論,動的パワースケーラビリティ,耐故障性という,競合する3つの目標に対処する必要があることを示す。 我々は、下流での効果的な推論を可能にするために重要な課題であるハイパースペクトル画像デノベーションの問題に焦点をあて、オンボード処理シナリオの制約を強調する。 本稿では、上記の3つの目的に対処するニューラルネットワーク設計について、いくつかの新しいコントリビューションを提案する。 特に,放射線による断層に対する耐性と,時間変化による電力スケーリングが可能なデノワザの混合を提案する。 さらに、各デノイザは、プッシュブルームハイパースペクトルセンサの取得プロセスに適合し、メモリ要求を大幅に制限するために、過去のラインのメモリと因果的に画像が一直線に処理される革新的なアーキテクチャを採用している。 提案アーキテクチャは,低消費電力ハードウェア上で1行を処理し,さらに複雑な最先端モデルに対して,競争力のあるデノナイジング品質を提供する。 また、パワースケーラビリティと耐障害性は、これらの特性と品質の相違点を複数有する設計空間を提供することを示す。

関連論文リスト

• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion [51.198001060683296]
  ネットワーク化された都市システムは人、資源、サービスのフローを促進する。 グラフニューラルネットワークのような現在のモデルは、将来性を示しているが、有効性と効率性のトレードオフに直面している。 本論文は,本質的なモデル設計を伝えるための物理法則からインスピレーションを得て,このトレードオフに対処する。
  論文  参考訳（メタデータ） (2025-07-31T01:24:01Z)
• Onboard Hyperspectral Super-Resolution with Deep Pushbroom Neural Network [17.765865414505452]
  衛星上のハイパースペクトル画像装置は、空間分解能の制限を犠牲にして、ある物質と別の物質を区別するために必要な微細なスペクトル信号を得る。 提案するニューラル・ネットワーク設計手法はDeep Pushbroom Super-Resolution (DPSR) と呼ばれるもので,画像線を沿線方向の線で処理し,これまで取得した線を利用する。 この設計は、メモリ要求と計算の複雑さを大幅に制限し、リアルタイムのパフォーマンス、すなわち、次のものを取得するのに要する時間を超解する能力を達成する。
  論文  参考訳（メタデータ） (2025-07-28T12:18:52Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Expansive Supervision for Neural Radiance Field [12.510474224361504]
  我々は,NeRFトレーニングにおける時間とメモリコストを削減するために,拡張スーパービジョンを導入する。 トレーニング誤差は画像内容と相関する長テール分布を示す。 従来の監視手法と比較して,冗長なレンダリング処理を効果的に回避する。
  論文  参考訳（メタデータ） (2024-09-12T14:05:13Z)
• VoxNeRF: Bridging Voxel Representation and Neural Radiance Fields for Enhanced Indoor View Synthesis [73.50359502037232]
  VoxNeRFは、ニューラル室内再構成と新しいビュー合成の質と効率を高めるための新しいアプローチである。 本稿では,最も関連性の高い領域に計算資源を割り当てる効率的なボクセル誘導サンプリング手法を提案する。 私たちのアプローチは、ScanNetとScanNet++に関する広範な実験で検証されています。
  論文  参考訳（メタデータ） (2023-11-09T11:32:49Z)
• A Proper Orthogonal Decomposition approach for parameters reduction of Single Shot Detector networks [0.0]
  本稿では,古典的モデルオーダー削減手法であるProper Orthogonal Decompositionに基づく次元削減フレームワークを提案する。 我々は、PASCAL VOCデータセットを用いてSSD300アーキテクチャにそのようなフレームワークを適用し、ネットワーク次元の削減と、転送学習コンテキストにおけるネットワークの微調整における顕著な高速化を実証した。
  論文  参考訳（メタデータ） (2022-07-27T14:43:14Z)
• Unsupervised Monocular Depth Learning with Integrated Intrinsics and Spatio-Temporal Constraints [61.46323213702369]
  本研究は,大規模深度マップとエゴモーションを予測可能な教師なし学習フレームワークを提案する。 本結果は,KITTI運転データセットの複数シーケンスにおける現在の最先端技術と比較して,高い性能を示す。
  論文  参考訳（メタデータ） (2020-11-02T22:26:58Z)

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。