論文の概要: HiT: History-Injection Transformers for Onboard Continuous Flood Change Detection

• arxiv url: http://arxiv.org/abs/2601.13751v2
• Date: Wed, 21 Jan 2026 07:02:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 14:57:00.182491
• Title: HiT: History-Injection Transformers for Onboard Continuous Flood Change Detection
• Title（参考訳）: HiT:連続洪水変動検出用履歴インジェクション変換器
• Authors: Daniel Kyselica, Jonáš Herec, Oliver Kutis, Rado Pitoňák,
• Abstract要約: 小型衛星のメモリと計算限界内で動作するオンボード切替検出システムを開発した。 本研究では,過去の観測から歴史的文脈を維持するトランスフォーマーモデル (HiT) のヒストリインジェクション機構を提案する。 提案されたHiT-Prithviモデルは、ナノサットで使用される代表的ハードウェアであるJetson Orin Nano上で43FPSを達成した。
• 参考スコア（独自算出の注目度）: 1.1666234644810893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural disaster monitoring through continuous satellite observation requires processing multi-temporal data under strict operational constraints. This paper addresses flood detection, a critical application for hazard management, by developing an onboard change detection system that operates within the memory and computational limits of small satellites. We propose History Injection mechanism for Transformer models (HiT), that maintains historical context from previous observations while reducing data storage by over 99\% of original image size. Moreover, testing on the STTORM-CD flood dataset confirms that the HiT mechanism within the Prithvi-tiny foundation model maintains detection accuracy compared to the bitemporal baseline. The proposed HiT-Prithvi model achieved 43 FPS on Jetson Orin Nano, a representative onboard hardware used in nanosats. This work establishes a practical framework for satellite-based continuous monitoring of natural disasters, supporting real-time hazard assessment without dependency on ground-based processing infrastructure. Architecture as well as model checkpoints is available at https://github.com/zaitra/HiT-change-detection
• Abstract（参考訳）: 連続衛星観測による自然災害監視には、厳密な運用上の制約の下で複数の時間データを処理する必要がある。 本稿では,小型衛星のメモリと計算限界内で動作するオンボード型変更検出システムを開発することにより,ハザード管理の重要課題である洪水検出に対処する。 本研究では,過去の観測から歴史的文脈を維持しつつ,元の画像サイズを99%以上削減し,ヒストリーインジェクション機構を提案する。 さらに,STTORM-CDフラッドデータセットを用いて,Prithvi-tiny基盤モデル内のHiT機構が,バイテンポラルベースラインと比較して検出精度を維持することを確認した。 提案されたHiT-Prithviモデルは、ナノサットで使用される代表的ハードウェアであるJetson Orin Nano上で43FPSを達成した。 本研究は,衛星による自然災害の連続監視のための実践的枠組みを確立し,地上処理基盤に依存しないリアルタイムハザードアセスメントを支援する。 アーキテクチャとモデルチェックポイントはhttps://github.com/zaitra/HiT-change-detectionで利用可能である。

関連論文リスト

• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。 我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:52:13Z)
• Training-free AI for Earth Observation Change Detection using Physics Aware Neuromorphic Networks [1.4146420810689422]
  主なボトルネックは、衛星から地上局へのデータの帯域幅制限によるダウンリンクである。 本研究では,自然災害による変化を検出する物理認識ニューロモルフィックネットワーク(PANN)を提案する。 PANNは最先端のAIモデルに対してベンチマークされ、各自然災害カテゴリで同等またはより良い結果を得た。
  論文  参考訳（メタデータ） (2025-06-04T08:45:41Z)
• ARCANE -- Early Detection of Interplanetary Coronal Mass Ejections [0.0]
  ARCANEは、ストリーミング太陽風データにおけるICME早期検出のために明示的に設計された最初のフレームワークである。 検出パイプラインはF1スコアの0.37に達し、平均検出遅延はイベントの24.5%である。
  論文  参考訳（メタデータ） (2025-05-14T13:17:45Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Unsupervised Change Detection of Extreme Events Using ML On-Board [3.1955314117075715]
  変分オートエンコーダ(VAE)に基づく衛星データにおける変更検出のための軽量で教師なしのアプローチであるRaVAEnを紹介する。 RaVAEnは、サンプルデータを衛星に直接前処理し、ダウンリンク、応答時間を短縮するために変更したエリアをフラグで表示する。 破滅的な事象の時系列からなるデータセット上で,本システムの有効性を検証した。
  論文  参考訳（メタデータ） (2021-11-04T16:45:15Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• DETReg: Unsupervised Pretraining with Region Priors for Object Detection [103.93533951746612]
  DETRegは、オブジェクト検出ネットワーク全体を事前トレーニングする、新しい自己教師型メソッドである。 事前トレーニング中、DETRegはオブジェクトのローカライゼーションを予測し、教師なしのリージョン提案ジェネレータからのローカライゼーションにマッチする。 対応する機能埋め込みと、自己教師付きイメージエンコーダからの埋め込みを同時に調整する。
  論文  参考訳（メタデータ） (2021-06-08T17:39:14Z)

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。