論文の概要: Natural Language-Driven Global Mapping of Martian Landforms
- arxiv url: http://arxiv.org/abs/2601.15949v1
- Date: Thu, 22 Jan 2026 13:38:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-23 21:37:20.610445
- Title: Natural Language-Driven Global Mapping of Martian Landforms
- Title（参考訳）: 自然言語による火星地形のグローバルマッピング
- Authors: Yiran Wang, Shuoyuan Wang, Zhaoran Wei, Jiannan Zhao, Zhonghua Yao, Zejian Xie, Songxin Zhang, Jun Huang, Bingyi Jing, Hongxin Wei,
- Abstract要約: MarScopeは、火星の地形の自然言語駆動でラベルなしマッピングを可能にするビジョン言語フレームワークである。
惑星の画像とテキストを共有セマンティック空間に整列させ、20万以上のキュレートされた画像とテキストのペアで訓練する。
このフレームワークは、事前に定義された分類をフレキシブルなセマンティック検索に置き換えることで、火星のグローバルな地形図を変換する。
- 参考スコア（独自算出の注目度）: 25.54158424879149
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Planetary surfaces are typically analyzed using high-level semantic concepts in natural language, yet vast orbital image archives remain organized at the pixel level. This mismatch limits scalable, open-ended exploration of planetary surfaces. Here we present MarScope, a planetary-scale vision-language framework enabling natural language-driven, label-free mapping of Martian landforms. MarScope aligns planetary images and text in a shared semantic space, trained on over 200,000 curated image-text pairs. This framework transforms global geomorphic mapping on Mars by replacing pre-defined classifications with flexible semantic retrieval, enabling arbitrary user queries across the entire planet in 5 seconds with F1 scores up to 0.978. Applications further show that it extends beyond morphological classification to facilitate process-oriented analysis and similarity-based geomorphological mapping at a planetary scale. MarScope establishes a new paradigm where natural language serves as a direct interface for scientific discovery over massive geospatial datasets.
- Abstract（参考訳）: 惑星の表面は通常、自然言語の高レベルな意味概念を用いて分析されるが、広大な軌道画像アーカイブはピクセルレベルで組織化されている。
このミスマッチは、スケーラブルでオープンな惑星表面の探査を制限している。
ここでは、火星の地形の自然言語駆動・ラベルフリーマッピングを可能にする惑星規模の視覚言語フレームワークであるMarScopeを紹介する。
MarScopeは、20万以上のキュレートされた画像とテキストのペアでトレーニングされた、共有セマンティック空間内の惑星画像とテキストを並べる。
このフレームワークは、定義済みの分類をフレキシブルなセマンティック検索に置き換えることで、火星上のグローバルな地形図を変換する。
さらに応用により、惑星スケールでのプロセス指向の分析と類似性に基づく地形マッピングを容易にするために、形態分類を超えて拡張されることが示される。
MarScopeは、自然言語が大規模な地理空間データセット上での科学的発見の直接的なインターフェースとして機能する新しいパラダイムを確立している。
関連論文リスト
- Mars-Bench: A Benchmark for Evaluating Foundation Models for Mars Science Tasks [7.399515278460871]
他の領域における進歩の鍵となるのは、体系的な評価をサポートする標準化されたベンチマークが利用可能になったことである。
火星に関する幅広いタスクのモデルを体系的に評価するために設計された最初のベンチマークであるMars-Benchを紹介する。
我々は、自然画像、地球衛星データ、最先端のビジョン言語モデルに基づいて事前訓練されたモデルを用いて、標準化された、使用可能なデータセットとベースライン評価を提供する。
論文 参考訳（メタデータ） (2025-10-28T02:34:08Z) - Inpainting the Red Planet: Diffusion Models for the Reconstruction of Martian Environments in Virtual Reality [0.0]
訓練は、NASAのHiRISE調査から得られた12000個の火星高度マップで実施された。
非均一な再スケーリング戦略は、固定された128x128モデル解像度にリサイズする前に、複数のスケールにわたる地形の特徴をキャプチャする。
その結果,本手法は再建精度(RMSEでは4～15%)と知覚的類似性(LPIPSでは29～81%)において,元のデータより一貫して優れていた。
論文 参考訳（メタデータ） (2025-10-16T15:02:05Z) - TerraFM: A Scalable Foundation Model for Unified Multisensor Earth Observation [65.74990259650984]
本研究では,グローバルに分散したSentinel-1とSentinel-2画像を利用する,スケーラブルな自己教師型学習モデルTerraFMを紹介する。
我々のトレーニング戦略は、局所的・言語的コントラスト学習を統合し、二重中心化機構を導入する。
TerraFMは分類タスクとセグメンテーションタスクの両方において強力な一般化を実現し、GEO-BenchとCopernicus-Benchの先行モデルよりも優れている。
論文 参考訳（メタデータ） (2025-06-06T17:59:50Z) - Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching [60.645802236700035]
自然言語コマンドを通じてドローンをナビゲートすることは、アクセス可能なマルチモーダルデータセットが不足しているため、依然として難しい。
我々は新しい自然言語誘導ジオローカライゼーションベンチマークGeoText-1652を紹介する。
このデータセットは、インタラクティブなヒューマンコンピュータプロセスを通じて体系的に構築される。
論文 参考訳（メタデータ） (2023-11-21T17:52:30Z) - Mapping "Brain Terrain" Regions on Mars using Deep Learning [0.0]
臨界領域のセットは、火星の斜視の周期的な変化に反応して、比較的最近に氷が噴出するサイクルを見た可能性がある。
本研究では、畳み込みニューラルネットワークを用いて「ブラインコーラル」地形を含む表面領域を検出する。
火星探査機マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の大型画像(100-1000メガピクセル)を使って、これらの地形を1ピクセルあたり数十センチ近い解像度で探索する。
論文 参考訳（メタデータ） (2023-11-21T02:24:52Z) - Navigation with Large Language Models: Semantic Guesswork as a Heuristic
for Planning [73.0990339667978]
不慣れな環境でのナビゲーションは、ロボットにとって大きな課題となる。
言語モデルを用いて、新しい現実世界環境のバイアス探索を行う。
実環境におけるLFGの評価とシミュレーションベンチマークを行った。
論文 参考訳（メタデータ） (2023-10-16T06:21:06Z) - Self-Supervised Learning to Guide Scientifically Relevant Categorization
of Martian Terrain Images [1.282755489335386]
キュリオシティ・ローバーに搭載されたマストカメラから撮影した画像に堆積テクスチャを集成する自己監督手法を提案する。
次に、これらのクラスターの定性的解析を行い、その地質学的意義を粒状地形群の作成を通して記述する。
論文 参考訳（メタデータ） (2022-04-21T02:48:40Z)
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。