論文の概要: OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation
- arxiv url: http://arxiv.org/abs/2601.07392v1
- Date: Mon, 12 Jan 2026 10:20:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:01.333811
- Title: OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation
- Title（参考訳）: OceanSAR-2:SAR海洋観測のためのユニバーサル機能エクストラクタ
- Authors: Alexandre Tuel, Thomas Kerdreux, Quentin Febvre, Alexis Mouche, Antoine Grouazel, Jean-Renaud Miadana, Antoine Audras, Chen Wang, Bertrand Chapron,
- Abstract要約: SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。
先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
- 参考スコア（独自算出の注目度）: 55.978228064498865
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present OceanSAR-2, the second generation of our foundation model for SAR-based ocean observation. Building on our earlier release, which pioneered self-supervised learning on Sentinel-1 Wave Mode data, OceanSAR-2 relies on improved SSL training and dynamic data curation strategies, which enhances performance while reducing training cost. OceanSAR-2 demonstrates strong transfer performance across downstream tasks, including geophysical pattern classification, ocean surface wind vector and significant wave height estimation, and iceberg detection. We release standardized benchmark datasets, providing a foundation for systematic evaluation and advancement of SAR models for ocean applications.
- Abstract（参考訳）: SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。
先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しており、トレーニングコストを削減しながらパフォーマンスを向上させる。
OceanSAR-2は、物理パターン分類、海面風速ベクトル、顕著な波高推定、氷山検出など、下流のタスク間での強い伝達性能を示す。
我々は標準化されたベンチマークデータセットをリリースし、海洋アプリケーションのためのSARモデルの体系的評価と進歩のための基盤を提供する。
関連論文リスト
- Neural ocean forecasting from sparse satellite-derived observations: a case-study for SSH dynamics and altimetry data [25.95895236084694]
本稿では,衛星高度データに基づく海面変動の短期予測のためのエンドツーエンドの深層学習フレームワークを提案する。
我々のフレームワークはOceanBenchイニシアチブ内で開発され、海洋機械学習の標準化評価を促進する。
論文 参考訳（メタデータ） (2025-12-15T11:28:03Z) - A Sentinel-3 foundation model for ocean colour [8.571925606193703]
我々は,Sentinel-3 Ocean and Land Colour Instrument (OLCI) のデータ再構成を事前訓練した Prithvi-EO Vision Transformer アーキテクチャを用いた新しい基礎モデルについて述べる。
2つの下流海洋地球観測課題の微調整によるモデルの評価を行った。
この新世代の地理空間AIモデルは、海洋生態系とその地球温暖化プロセスにおける役割について、より堅牢でデータ駆動的な洞察を提供する可能性を秘めている、と結論付けています。
論文 参考訳（メタデータ） (2025-09-25T15:00:38Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。
EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。
本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
論文 参考訳（メタデータ） (2025-04-09T15:13:26Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - Guided deep learning by subaperture decomposition: ocean patterns from
SAR imagery [36.922471841100176]
センチネル1 SAR 波動モードのヴィグネットは、2014年以来、多くの重要な海洋現象や大気現象を捉えてきた。
本研究では,SAR深層学習モデルの事前処理段階としてサブアパーチャ分解を適用することを提案する。
論文 参考訳（メタデータ） (2022-04-09T09:49:05Z)
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。