論文の概要: SPyCer: Semi-Supervised Physics-Guided Contextual Attention for Near-Surface Air Temperature Estimation from Satellite Imagery

• arxiv url: http://arxiv.org/abs/2603.05219v1
• Date: Thu, 05 Mar 2026 14:31:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.268647
• Title: SPyCer: Semi-Supervised Physics-Guided Contextual Attention for Near-Surface Air Temperature Estimation from Satellite Imagery
• Title（参考訳）: SPyCer: 衛星画像からの近面空気温度推定のための半監督物理誘導型コンテキストアテンション
• Authors: Sofiane Bouaziz, Adel Hafiane, Raphael Canals, Rachid Nedjai,
• Abstract要約: 近地センサーは、地表温度(NSAT)などの環境特性を正確に測定する。 本稿では,SPyCerについて紹介する。SPyCerは半教師付き物理誘導ネットワークで,画素情報と物理モデリングを利用して学習プロセスのガイドを行うことができる。 実世界のデータセットの実験では、SPyCerは空間的に一貫性があり、物理的に一貫したNSAT推定を生成する。
• 参考スコア（独自算出の注目度）: 2.3274138116397736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern Earth observation relies on satellites to capture detailed surface properties. Yet, many phenomena that affect humans and ecosystems unfold in the atmosphere close to the surface. Near-ground sensors provide accurate measurements of certain environmental characteristics, such as near-surface air temperature (NSAT). However, they remain sparse and unevenly distributed, limiting their ability to provide continuous spatial measurements. To bridge this gap, we introduce SPyCer, a semi-supervised physics-guided network that can leverage pixel information and physical modeling to guide the learning process through meaningful physical properties. It is designed for continuous estimation of NSAT by proxy using satellite imagery. SPyCer frames NSAT prediction as a pixel-wise vision problem, where each near-ground sensor is projected onto satellite image coordinates and positioned at the center of a local image patch. The corresponding sensor pixel is supervised using both observed NSAT and physics-based constraints, while surrounding pixels contribute through physics-guided regularization derived from the surface energy balance and advection-diffusion-reaction partial differential equations. To capture the physical influence of neighboring pixels, SPyCer employs a multi-head attention guided by land cover characteristics and modulated with Gaussian distance weighting. Experiments on real-world datasets demonstrate that SPyCer produces spatially coherent and physically consistent NSAT estimates, outperforming existing baselines in terms of accuracy, generalization, and alignment with underlying physical processes.
• Abstract（参考訳）: 現代の地球観測は、詳細な地表特性を捉えるために衛星に依存している。 しかし、人間や生態系に影響を与える多くの現象は、地表に近い大気中に広がります。 近地センサーは、近地大気温度(NSAT)などの環境特性を正確に測定する。 しかし、それらは疎らで不均一に分布し続け、連続的な空間測定を提供する能力を制限する。 このギャップを埋めるために、我々はSPyCerという半教師付き物理誘導ネットワークを導入し、ピクセル情報と物理モデリングを利用して、意味のある物理的特性を通じて学習プロセスのガイドを行う。 衛星画像を用いたプロキシによるNSATの連続推定のために設計されている。 SPyCer は NSAT の予測をピクセルワイド・ビジョン問題とみなし、各近接場センサーを衛星画像座標に投影し、局所的な画像パッチの中央に配置する。 対応するセンサ画素は、観測されたNSATと物理に基づく制約の両方を用いて監視される一方、周辺画素は表面エネルギーバランスと対流拡散反応偏微分方程式から導かれる物理誘導正則化によって寄与される。 隣接する画素の物理的影響を捉えるために、SPyCerは、土地被覆特性に導かれ、ガウス距離重み付けで変調された多面的注目を用いる。 実世界のデータセットの実験では、SPyCerは空間的に一貫性があり、物理的に一貫したNSAT推定を生成し、精度、一般化、基礎となる物理プロセスとの整合性の点で既存のベースラインを上回っている。

関連論文リスト

• Continuous subsurface property retrieval from sparse radar observations using physics informed neural networks [0.3580891736370874]
  本研究では, 地下誘電率を, 深さの完全なニューラルかつ連続的な関数として再構成する機械学習フレームワークを提案する。 このアプローチは境界駆動から連続特性推定への地下反転を再構成し、滑らかな誘電率変動の正確なキャラクタリゼーションを可能にする。
  論文  参考訳（メタデータ） (2025-10-29T16:09:24Z)
• SPHERE: Semantic-PHysical Engaged REpresentation for 3D Semantic Scene Completion [52.959716866316604]
  カメラベース3Dセマンティックシーンコンプリート(SSC)は自動運転システムにおいて重要な課題である。 本稿では,SPHERE (Semantic-PHysical Engaged Representation) を提案する。 SPHEREは、意味情報と物理的情報の共同利用のためのボクセルとガウス表現を統合している。
  論文  参考訳（メタデータ） (2025-09-14T09:07:41Z)
• Conceptual framework for the application of deep neural networks to surface composition reconstruction from Mercury's exospheric data [77.40388962445168]
  本研究では、ディープニューラルネットワーク(DNN)を用いた中性外気圏のその場測定から水銀のレゴリス元素組成の導出の可能性について検討する。 本稿では,下記表層リゴリスの化学成分を予測した制御フィードフォワードDNNアーキテクチャを提案する。 表面と外圏の相互作用や、外圏の形成に至る過程を推定する指標として機能する。
  論文  参考訳（メタデータ） (2025-05-16T09:52:45Z)
• Spatiotemporal Air Quality Mapping in Urban Areas Using Sparse Sensor Data, Satellite Imagery, Meteorological Factors, and Spatial Features [11.845097068829551]
  本稿では,高時間空気質指標マッピングのためのフレームワークを提案する。 空間的および時間的依存関係に基づいて,非時間的位置におけるAQI値を推定する。 パキスタンのラホールにおけるケーススタディを通じて,我々のアプローチの活用について解説する。
  論文  参考訳（メタデータ） (2025-01-20T04:39:13Z)
• Towards Spatial Equilibrium Object Detection [88.9747319572368]
  本稿では,現代物体検出器の空間的不平衡問題について考察する。 本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。 これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
  論文  参考訳（メタデータ） (2023-01-14T17:33:26Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• DeepWSD: Projecting Degradations in Perceptual Space to Wasserstein Distance in Deep Feature Space [67.07476542850566]
  本稿では,統計的分布の観点から知覚空間の品質劣化をモデル化する。 品質は、深い特徴領域におけるワッサーシュタイン距離に基づいて測定される。 ニューラルネットワークの特徴に基づいて実行されるディープワッサースタイン距離(ディープWSD)は、品質汚染のより良い解釈性をもたらす。
  論文  参考訳（メタデータ） (2022-08-05T02:46:12Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Ill-posed Surface Emissivity Retrieval from Multi-Geometry HyperspectralImages using a Hybrid Deep Neural Network [0.0]
  大気補正はリモートセンシングの基本的な課題である。 マルチスキャンハイパースペクトルデータを用いた自動大気補正のために,幾何依存型ハイブリッドニューラルネットワークを提案する。 その結果,提案ネットワークは,29の異なる物質に対して0.02以下の平均絶対誤差 (MAE) で大気特性を正確に評価し,目標放射率スペクトルを推定する能力を有することがわかった。
  論文  参考訳（メタデータ） (2021-07-09T18:59:58Z)
• Cross-Sensor Adversarial Domain Adaptation of Landsat-8 and Proba-V images for Cloud Detection [1.5828697880068703]
  同様の特徴を持つ光学センサーを搭載した地球観測衛星の数は、常に増え続けている。 抽出された放射能の差は精度を著しく低下させ、センサー間の知識と情報共有を損なう。 本稿では,2つの衛星センサ間の画像の統計的差異を低減し,転送学習モデルの性能を向上させるための領域適応を提案する。
  論文  参考訳（メタデータ） (2020-06-10T16:16:01Z)

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。