論文の概要: Hide and Seek: Investigating Redundancy in Earth Observation Imagery

• arxiv url: http://arxiv.org/abs/2603.13524v1
• Date: Fri, 13 Mar 2026 18:56:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.256549
• Title: Hide and Seek: Investigating Redundancy in Earth Observation Imagery
• Title（参考訳）: ヒメとシーク:地球観測画像の冗長性を探る
• Authors: Tasos Papazafeiropoulos, Nikolaos Ioannis Bountos, Nikolas Papadopoulos, Ioannis Papoutsis,
• Abstract要約: 地球観測(EO)データには多次元の冗長性(スペクトル、時間、空間、意味)があり、現在の文献よりも領域とその応用に顕著な影響を与えていると論じる。 以上の結果から,EOデータの冗長性が重大かつ広範であることが確認された。 これらの結果は、より効率的でスケーラブルでアクセスしやすい大規模EOモデルの基盤となった。
• 参考スコア（独自算出の注目度）: 4.456501634317761
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The growing availability of Earth Observation (EO) data and recent advances in Computer Vision have driven rapid progress in machine learning for EO, producing domain-specific models at ever-increasing scales. Yet this progress risks overlooking fundamental properties of EO data that distinguish it from other domains. We argue that EO data exhibit a multidimensional redundancy (spectral, temporal, spatial, and semantic) which has a more pronounced impact on the domain and its applications than what current literature reflects. To validate this hypothesis, we conduct a systematic domain-specific investigation examining the existence, consistency, and practical implications of this phenomenon across key dimensions of EO variability. Our findings confirm that redundancy in EO data is both substantial and pervasive: exploiting it yields comparable performance ($\approx98.5\%$ of baseline) at a fraction of the computational cost ($\approx4\times$ fewer GFLOPs), at both training and inference. Crucially, these gains are consistent across tasks, geospatial locations, sensors, ground sampling distances, and architectural designs; suggesting that multi-faceted redundancy is a structural property of EO data rather than an artifact of specific experimental choices. These results lay the groundwork for more efficient, scalable, and accessible large-scale EO models.
• Abstract（参考訳）: 地球観測(EO)データの増加とコンピュータビジョンの最近の進歩により、EOのための機械学習が急速に進歩し、ドメイン固有のモデルが常に拡大している。 しかし、この進歩は他のドメインと区別するEOデータの基本的な性質を見越すリスクがある。 EOデータには多次元の冗長性(スペクトル、時間、空間、意味)があり、現在の文献よりもドメインとその応用に顕著な影響を与えていると論じる。 この仮説を検証するために、我々は、EO変数の重要な次元にわたって、この現象の存在、一貫性、および実践的意味について、系統的なドメイン固有調査を行う。 トレーニングと推論の両方において、EOデータの冗長性は同等のパフォーマンス(ベースラインの$\approx98.5\%)を計算コスト($\approx4\times$ less GFLOPs)で得る。 重要な点として、これらの利得はタスク、地理空間的位置、センサー、地中サンプリング距離、建築設計に一貫したものであり、多面的冗長性は特定の実験的な選択の人工物ではなく、EOデータの構造的特性であることを示唆している。 これらの結果は、より効率的でスケーラブルでアクセスしやすい大規模EOモデルの基盤となった。

関連論文リスト

• From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs [65.04549036809557]
  我々は、ステレオカメラ、LiDAR、IMU/GPSセンサーで撮影された歩行者の視線映像から構築したベンチマークを紹介する。 このデータセットは、計量的に正確な3D情報を提供し、空間的推論質問の自動生成を可能にする。 評価の結果、構造化屋内ベンチマークで観測された性能向上は、オープンワールド環境では消滅することが明らかとなった。
  論文  参考訳（メタデータ） (2025-12-22T18:58:12Z)
• FlowEO: Generative Unsupervised Domain Adaptation for Earth Observation [8.162386935076237]
  FlowEOは、地球観測における画像空間UDAの生成モデルを活用する新しいフレームワークである。 我々は,SARから光翻訳への適応シナリオと自然災害による時間的・意味的な変化をカバーした4つのデータセットを対象とした実験を行った。 以上の結果から,FlowEOは領域適応のための既存の画像翻訳手法より優れており,より優れた知覚的画像品質を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-12-01T10:29:01Z)
• Bridging the Synthetic-Real Gap: Supervised Domain Adaptation for Robust Spacecraft 6-DoF Pose Estimation [13.83897333268682]
  宇宙船のポース推定は、ランデブー、ドッキング、軌道上のドッキングのような自律的な宇宙活動の基本的な能力である。 既存のドメイン適応アプローチは、この問題を軽減することを目的としているが、ラベル付きターゲットサンプルの少ない数が利用できる場合、しばしば性能が低下する。 本稿では,SPEキーポイント回帰に適したSDA(Supervised Domain Adaptation)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-17T08:03:05Z)
• Hallucination Detection in LLMs with Topological Divergence on Attention Graphs [60.83579255387347]
  幻覚(Halucination)、すなわち、事実的に誤ったコンテンツを生成することは、大きな言語モデルにとって重要な課題である。 本稿では,TOHA (Topology-based HAllucination detector) をRAG設定に導入する。
  論文  参考訳（メタデータ） (2025-04-14T10:06:27Z)
• REO-VLM: Transforming VLM to Meet Regression Challenges in Earth Observation [58.91579272882073]
  本稿では,地球観測領域に特有な回帰・生成タスクを統合するために,textbfREO-Instructと呼ばれる新しいベンチマークデータセットを提案する。 我々は,回帰機能を従来の生成関数とシームレスに統合する基盤モデルであるtextbfREO-VLM を開発した。
  論文  参考訳（メタデータ） (2024-12-21T11:17:15Z)
• How Important are Data Augmentations to Close the Domain Gap for Object Detection in Orbit? [15.550663626482903]
  宇宙空間におけるコンピュータビジョンの領域ギャップを埋めるためのデータ拡張の有効性について検討する。 本稿では,軌道画像に観察される視覚効果をエミュレートするために開発された2つの新しいデータ拡張法を提案する。
  論文  参考訳（メタデータ） (2024-10-21T08:24:46Z)
• TopoFR: A Closer Look at Topology Alignment on Face Recognition [58.45515807380505]
  PTSAと呼ばれるトポロジカル構造アライメント戦略とSDEという硬質試料マイニング戦略を利用する新しいFRモデルであるTopoFRを提案する。 PTSAは永続ホモロジーを用いて入力空間と潜在空間の位相構造を整列し、構造情報を効果的に保存し、FRモデルの一般化性能を向上させる。 一般的な顔のベンチマーク実験の結果は、最先端の手法よりもTopoFRの方が優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-14T14:58:30Z)
• Impacts of Color and Texture Distortions on Earth Observation Data in Deep Learning [5.128534415575421]
  土地被覆分類と変化検出はリモートセンシングと地球観測の重要な応用である。 入力EOデータの異なる視覚特性がモデルの予測に与える影響はよく分かっていない。 ランドカバー分類のための複数の最先端セグメンテーションネットワークを用いて実験を行い、色歪みよりも一般的にテクスチャに敏感であることを示す。
  論文  参考訳（メタデータ） (2024-03-07T10:25:23Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)

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。