論文の概要: Online Sparse Synthetic Aperture Radar Imaging

• arxiv url: http://arxiv.org/abs/2603.08582v2
• Date: Sun, 15 Mar 2026 22:15:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 13:51:29.011004
• Title: Online Sparse Synthetic Aperture Radar Imaging
• Title（参考訳）: オンラインスパース合成開口レーダイメージング
• Authors: Conor Flynn, Radoslav Ivanov, Birsen Yazici,
• Abstract要約: 大量のデータを収集し、下流のタスクのために処理する必要がある。 余分な符号化によって限られたデータでシーンを段階的に再構成する。 オンラインSAR画像再構成は、ATR(Automatic Target Recognition)のようなより複雑な下流タスクをオンライン的に促進する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With modern defense applications increasingly relying on inexpensive, autonomous drones, lies the major challenge of designing computationally and memory-efficient onboard algorithms to fulfill mission objectives. This challenge is particularly significant in Synthetic Aperture Radar (SAR), where large volumes of data must be collected and processed for downstream tasks. We propose an online reconstruction method, the Online Fast Iterative Shrinkage-Thresholding Algorithm (Online FISTA), which incrementally reconstructs a scene with limited data through sparse coding. Rather than requiring storage of all received signal data, the algorithm recursively updates storage matrices for each iteration, greatly reducing memory demands. Online SAR image reconstruction facilitates more complex downstream tasks, such as Automatic Target Recognition (ATR), in an online manner, resulting in a more versatile and integrated framework compared to existing post-collection reconstruction and ATR approaches.
• Abstract（参考訳）: 現代の防衛アプリケーションは安価で自律的なドローンにますます依存しているため、ミッションの目的を達成するために計算的かつメモリ効率の高いアルゴリズムを設計するという大きな課題がある。 この課題はSAR(Synthetic Aperture Radar)において特に重要である。 本稿では,スパース符号化によって限られたデータでシーンを段階的に再構成するオンライン高速反復収縮保持アルゴリズム(オンラインFISTA)を提案する。 受信したすべての信号データのストレージを必要とする代わりに、アルゴリズムは繰り返し毎にストレージ行列を再帰的に更新し、メモリ要求を大幅に削減する。 オンラインSAR画像再構成は、ATR(Automatic Target Recognition)のようなより複雑な下流タスクをオンライン的に促進する。

関連論文リスト

• LoGeR: Long-Context Geometric Reconstruction with Hybrid Memory [97.14005794889134]
  提案するLoGeRは,高密度な3次元再構成を,後最適化なしで極めて長いシーケンスに拡張する新しいアーキテクチャである。 LoGeRはビデオストリームをチャンクで処理し、高忠実度なチャンク内推論に強力な双方向の事前処理を活用する。 このメモリアーキテクチャにより、LoGeRは128フレームのシーケンスでトレーニングでき、推論中に数千フレームまで一般化できる。
  論文  参考訳（メタデータ） (2026-03-03T18:55:37Z)
• Breaking Complexity Barriers: High-Resolution Image Restoration with Rank Enhanced Linear Attention [54.42902794496325]
  ソフトマックスアテンションの変種である線形アテンションは、グローバルコンテキストモデリングにおける約束を示す。 軽量な奥行き畳み込みを統合することで特徴表現を充実させる簡易かつ効果的な方法であるRランク拡張線形アテンション(RELA)を提案する。 本稿では,RELA をベースとした画像復元変換器 LAformer を提案する。
  論文  参考訳（メタデータ） (2025-05-22T02:57:23Z)
• Reconstructing Fine-Grained Network Data using Autoencoder Architectures with Domain Knowledge Penalties [0.9208007322096533]
  生のネットワークトラフィックの大規模な収集と保存は、特に稀なサイバー攻撃サンプルの収集に困難をもたらす。 ネットワークデータをエンコードし再構成するための形式的手法によって導かれる機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-04-15T14:51:44Z)
• MOST: MR reconstruction Optimization for multiple downStream Tasks via continual learning [12.0749219807816]
  個別に訓練された再構成ネットワークと下流タスクネットワークをカスケーディングすることで、性能劣化がもたらされることが示されている。 この最適化を順次導入した複数のダウンストリームタスクに拡張し,複数のダウンストリームタスクに対して単一のMR再構成ネットワークを最適化できることを実証する。
  論文  参考訳（メタデータ） (2024-09-16T15:31:04Z)
• Deep Learning-based Cross-modal Reconstruction of Vehicle Target from Sparse 3D SAR Image [6.499547636078961]
  本稿では,光学情報を融合させることで,車両のスパース3D SAR画像の高精細化を実現する3D-SAR再構成ネットワーク(CMAR-Net)を提案する。 CMAR-Netは、高度にスパースな観察から得られたスパース3次元SAR画像を視覚的に構造化された3次元車両画像に再構成し、効率的なトレーニングを実現する。
  論文  参考訳（メタデータ） (2024-06-06T15:18:59Z)
• SST-ReversibleNet: Reversible-prior-based Spectral-Spatial Transformer for Efficient Hyperspectral Image Reconstruction [15.233185887461826]
  Reversible-prior-based methodと呼ばれる新しいフレームワークが提案されている。 ReversibleNetは、シミュレートされた実HSIデータセットの最先端メソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-05-06T14:01:02Z)
• Single-pass Object-adaptive Data Undersampling and Reconstruction for MRI [6.599344783327054]
  本稿では,畳み込みニューラルネットワークMNetを用いたデータ駆動型サンプリング手法を提案する。 ネットワークは、各オブジェクトに対する非常に限られた低周波k空間データを観測し、所望のアンダーサンプリングパターンを迅速に予測する。 高速MRI膝関節データセットの実験結果から,提案した学習アンダーサンプリングネットワークを用いて,4倍,8倍の加速度で物体特異的マスクを生成できることが示された。
  論文  参考訳（メタデータ） (2021-11-17T16:06:06Z)
• SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
  既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。 本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
  論文  参考訳（メタデータ） (2021-08-23T21:03:09Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• Multi-Stage Progressive Image Restoration [167.6852235432918]
  本稿では、これらの競合する目標を最適にバランスできる新しい相乗的設計を提案する。 本提案では, 劣化した入力の復元関数を段階的に学習する多段階アーキテクチャを提案する。 MPRNetという名前の密接な相互接続型マルチステージアーキテクチャは、10のデータセットに対して強力なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2021-02-04T18:57:07Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)

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。