Fugu-MT 論文翻訳(概要): Vision-Language Model for Accurate Crater Detection

論文の概要: Vision-Language Model for Accurate Crater Detection

arxiv url: http://arxiv.org/abs/2601.07795v1
Date: Mon, 12 Jan 2026 18:08:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-13 19:08:01.737879
Title: Vision-Language Model for Accurate Crater Detection
Title（参考訳）: 正確なクレーター検出のための視覚言語モデル
Authors: Patrick Bauer, Marius Schwinning, Florian Renk, Andreas Weinmann, Hichem Snoussi,
Abstract要約: 欧州宇宙機関(ESA)は、クレーターが月面着陸の危険を冒すため、信頼できるクレーター検出に深い関心を持っている。様々な大きさや形状のクレーターが大量にあることや、照明や凹凸のある地形の変化などの困難な条件のため、これは自明ではない。本稿では,OWLv2モデルに基づくディープラーニングクレーター検出アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 2.6038033465934083
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The European Space Agency (ESA), driven by its ambitions on planned lunar missions with the Argonaut lander, has a profound interest in reliable crater detection, since craters pose a risk to safe lunar landings. This task is usually addressed with automated crater detection algorithms (CDA) based on deep learning techniques. It is non-trivial due to the vast amount of craters of various sizes and shapes, as well as challenging conditions such as varying illumination and rugged terrain. Therefore, we propose a deep-learning CDA based on the OWLv2 model, which is built on a Vision Transformer, that has proven highly effective in various computer vision tasks. For fine-tuning, we utilize a manually labeled dataset fom the IMPACT project, that provides crater annotations on high-resolution Lunar Reconnaissance Orbiter Camera Calibrated Data Record images. We insert trainable parameters using a parameter-efficient fine-tuning strategy with Low-Rank Adaptation, and optimize a combined loss function consisting of Complete Intersection over Union (CIoU) for localization and a contrastive loss for classification. We achieve satisfactory visual results, along with a maximum recall of 94.0% and a maximum precision of 73.1% on a test dataset from IMPACT. Our method achieves reliable crater detection across challenging lunar imaging conditions, paving the way for robust crater analysis in future lunar exploration.
Abstract（参考訳）: 欧州宇宙機関(ESA)は、アルゴノートの着陸船による月探査計画の野心によって推進され、クレーターが月面着陸の危険を冒すため、信頼できるクレーター検出に深い関心を持っている。この課題は通常、ディープラーニング技術に基づく自動クレーター検出アルゴリズム(CDA)で対処される。様々な大きさや形状のクレーターが大量にあることや、照明や凹凸のある地形の変化などの困難な条件のため、これは自明ではない。そこで,視覚変換器をベースとしたOWLv2モデルに基づく深層学習型CDAを提案する。微調整にはIMPACTプロジェクトを手動でラベル付けし、高解像度のLunar Reconnaissance Orbiter Camera Calibrated Data Recordイメージにクレーターアノテーションを提供する。低ランク適応を用いたパラメータ効率な微調整戦略を用いてトレーニング可能なパラメータを挿入し、ローカライゼーションのための全区間分割(CIoU)と、分類のための対照的な損失からなる複合損失関数を最適化する。 IMPACTによるテストデータセットでは、94.0%の最大リコールと73.1%の最大精度を達成できた。提案手法は, 今後の月面探査において, 難易度の高いクレーター検出を実現し, 堅固なクレーター解析の道を開く。

関連論文リスト

SCAFusion: A Multimodal 3D Detection Framework for Small Object Detection in Lunar Surface Exploration [18.857802421595235]
本稿では,月面ロボット探査に適したマルチモーダル3次元物体検出モデルであるSCAFusionを提案する。パラメータの無視的増加により,本モデルは nuScenes 検証セット上で69.7% mAP と72.1% NDS を達成する。アイザック・シム (Isaac Sim) で作られた模擬月面環境では、SCAFusion は 90.93% mAP に達し、ベースラインを 11.5% 上回っている。
論文参考訳（メタデータ） (2025-12-27T07:08:03Z)
AI-Enabled Crater-Based Navigation for Lunar Mapping [12.60100558410094]
クレーターベースのナビゲーション(CBN)は、画像上で観測された月のユビキタス衝突クレーターを自然のランドマークとして使用し、宇宙船の6度の自由なポーズを決定する。 STELLAは、長期の月面マッピングのための最初のエンドツーエンドCBNパイプラインである。 STELLAを厳格にテストするために、私たちはCRESENT-365という1年間の月面マッピングミッションをエミュレートした最初の公開データセットを紹介します。
論文参考訳（メタデータ） (2025-09-25T05:09:41Z)
HazyDet: Open-Source Benchmark for Drone-View Object Detection with Depth-Cues in Hazy Scenes [54.24350833692194]
HazyDetは、ヘイジーな環境でドローンビューオブジェクトを検出するために特別に設計された、最初の大規模ベンチマークである。本稿では,迷路による視覚劣化に対処するため,Depth-Conditioned Detector (DeCoDet)を提案する。 HazyDetは、検出アルゴリズムを前進させるための挑戦的で現実的なテストベッドを提供する。
論文参考訳（メタデータ） (2024-09-30T00:11:40Z)
Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文参考訳（メタデータ） (2024-01-06T07:30:41Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Deep learning universal crater detection using Segment Anything Model (SAM) [6.729108277517129]
クレーターは惑星探査において最も重要な形態学的特徴の一つである。機械学習(ML)とコンピュータビジョンはクレーターの検出とそのサイズ推定の両方に成功している。本稿では,META AIから最近提案されたSegment Anything Model(SAM)に基づく,普遍的なクレーター検出手法を提案する。
論文参考訳（メタデータ） (2023-04-16T12:36:37Z)
Autonomous crater detection on asteroids using a fully-convolutional neural network [1.3750624267664155]
本稿では,完全畳み込みニューラルネットワークU-Netを用いた自律クレーター検出のCeresへの適用について述べる。 U-Netは、LROと手動クレーターカタログによって収集されたデータに基づいて、ムーン・グローバル・モルフォロジー・モザイクの光学画像に基づいて訓練されている。訓練されたモデルは、Ceresの100、500、1000の画像を使って微調整されている。
論文参考訳（メタデータ） (2022-04-01T14:34:11Z)
The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文参考訳（メタデータ） (2022-01-29T10:54:57Z)
SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
論文参考訳（メタデータ） (2020-10-19T09:23:39Z)
Lunar Terrain Relative Navigation Using a Convolutional Neural Network for Visual Crater Detection [39.20073801639923]
本稿では、畳み込みニューラルネットワーク(CNN)と画像処理を用いて、シミュレーションされた宇宙船の位置を追跡するシステムを提案する。 CNNはLunaNetと呼ばれ、シミュレートされたカメラフレームのクレーターを視覚的に検出し、これらの検出は現在の推定された宇宙船の位置の領域にある既知の月のクレーターと一致している。
論文参考訳（メタデータ） (2020-07-15T14:19:27Z)

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。