Fugu-MT 論文翻訳(概要): Developing a Portable Solution for Post-Event Analysis Pipelines

論文の概要: Developing a Portable Solution for Post-Event Analysis Pipelines

arxiv url: http://arxiv.org/abs/2602.01798v1
Date: Mon, 02 Feb 2026 08:29:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-03 19:28:34.009559
Title: Developing a Portable Solution for Post-Event Analysis Pipelines
Title（参考訳）: イベント後分析パイプラインのためのポータブルソリューションの開発
Authors: Leonardo Pelonero, Fabio Vitello, Eva Sciacca, Mauro Imbrosciano, Salvatore Scavo, Ugo Becciani,
Abstract要約: 我々は、ポータブルで完全に自動化された後分析パイプラインを開発するためのScience Gatewayフレームワークを提案する。我々は、航空画像に適用されたフォトグラメトリ技術、データ可視化と人工知能技術を統合し、極度の自然事象を評価し、それらの危険にさらされた資産への影響を評価する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In recent years, the monitoring and study of natural hazards have gained significant attention, particularly due to climate change, which exacerbates incidents like floods, droughts, storm surges, and landslides. Together with the constant risk of earthquakes, these climate-induced events highlight the critical necessity for enhanced risk assessment and mitigation strategies in susceptible areas such as Italy. In this work, we present a Science Gateway framework for the development of portable and fully automated post-event analysis pipelines integrating Photogrammetry techniques, Data Visualization and Artificial Intelligence technologies, applied on aerial images, to assess extreme natural events and evaluate their impact on risk-exposed assets.
Abstract（参考訳）: 近年、自然災害の監視と研究が注目されており、特に気候変動によって洪水、干ばつ、暴風雨、地すべりなどの事態が悪化している。地震の絶え間ないリスクとともに、これらの気候によって引き起こされる出来事は、イタリアのような感受性のある地域でのリスク評価と緩和戦略の強化にとって重要な必要性を浮き彫りにしている。本研究では,航空画像に適用された光グラム計測技術,データ可視化および人工知能技術を統合し,極端に自然事象を評価し,危険にさらされた資産に与える影響を評価するための,ポータブルかつ完全自動化された分析パイプラインを開発するためのScience Gatewayフレームワークを提案する。

関連論文リスト

EWE: An Agentic Framework for Extreme Weather Analysis [61.092871317626496]
Extreme Weather Expert (EWE)は、このタスクに特化した最初のインテリジェントエージェントフレームワークである。 EWEは、知識誘導計画、クローズドループ推論、およびドメイン調整された気象ツールキットを通じて、専門家の可視化をエミュレートする。進展を触媒するため、我々は103のハイインパクトイベントをキュレートしたデータセットを含む、この新興分野の最初のベンチマークを紹介した。
論文参考訳（メタデータ） (2025-11-26T14:37:25Z)
Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
論文参考訳（メタデータ） (2025-10-28T01:18:00Z)
GraphCSVAE: Graph Categorical Structured Variational Autoencoder for Spatiotemporal Auditing of Physical Vulnerability Towards Sustainable Post-Disaster Risk Reduction [0.5949779668853555]
物理的脆弱性をモデル化するための新しい確率的データ駆動フレームワークであるGraphCSVAEを紹介する。本稿では,災害時と社会経済的に不利な2つの地域での物理的脆弱性の分布の変化を反映した,弱教師付き一階遷移行列を提案する。本研究は,局部的な時間的監査と,災害後のリスク低減のための持続的戦略に関する貴重な知見を提供する。
論文参考訳（メタデータ） (2025-09-12T14:50:56Z)
Advancing Wildfire Risk Prediction via Morphology-Aware Curriculum Contrastive Learning [2.8646703612162243]
森林火災は自然の生態系と人間の健康に大きな影響を与え、生物多様性の喪失、水文学上のリスクの増大、有害物質の排出の増大につながった。データは、典型的な状況よりも山火事の発生率が著しく低い不均衡な状況へのバイアスを示している。本稿では,パッチの動的特徴に対する潜在表現の強化を通じて,これらの課題に対してコントラッシブなフレームワークを採用する方法を検討する。
論文参考訳（メタデータ） (2025-07-23T14:23:45Z)
AI and Generative AI Transforming Disaster Management: A Survey of Damage Assessment and Response Techniques [1.4513830934124627]
各種自然災害の被害評価におけるAIとGenAIの展望を概観する。我々は、テキスト、画像、ビデオ、オーディオなどのマルチモーダルデータへのその応用について語り、また、危機時のデータのプライバシー、セキュリティ、倫理的利用に関する主要な問題についても取り上げる。我々は,災害管理全般において,安全で信頼性の高い倫理的生成AIシステムの必要性を強調し,今後の研究の成果を概説する。
論文参考訳（メタデータ） (2025-05-13T03:33:31Z)
EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文参考訳（メタデータ） (2024-08-08T13:19:37Z)
Generalizable Disaster Damage Assessment via Change Detection with Vision Foundation Model [17.016411785224317]
DAVI(Disaster Assessment with Vision foundation model)は,ドメインの格差に対処し,ターゲット領域に接地トラストラベルを必要とせずに建物レベルで構造的損傷を検出する手法である。 DAVIは、ソース領域で訓練されたモデルからのタスク固有の知識と、イメージセグメンテーションモデルからのタスク非依存の知識を組み合わせて、ターゲット領域の潜在的な損傷を示す擬似ラベルを生成する。次に、2段階の精錬プロセスを使用し、ピクセルレベルと画像レベルの両方で動作し、災害被害地域の変化を正確に識別する。
論文参考訳（メタデータ） (2024-06-12T09:21:28Z)
AB2CD: AI for Building Climate Damage Classification and Detection [0.0]
本研究では, 自然災害の文脈において, 建物の損傷評価を正確に行うための深層学習手法の実装について検討する。我々は,低品質・騒音ラベルの影響を考慮しつつ,新たな災害・地域への一般化の課題に取り組む。我々の研究結果は、気候変動によって引き起こされる極端気象事象の影響評価を強化するための高度なAIソリューションの可能性と限界を示している。
論文参考訳（メタデータ） (2023-09-03T03:37:04Z)
ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods [89.61670857155173]
実画像上でのリアルな洪水をシミュレートする手法を提案する。本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
論文参考訳（メタデータ） (2021-10-06T15:54:57Z)
Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
論文参考訳（メタデータ） (2021-04-10T15:00:15Z)
Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文参考訳（メタデータ） (2020-10-16T02:15:34Z)

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。