論文の概要: LenghuSky-8: An 8-Year All-Sky Cloud Dataset with Star-Aware Masks and Alt-Az Calibration for Segmentation and Nowcasting

• arxiv url: http://arxiv.org/abs/2603.16429v1
• Date: Tue, 17 Mar 2026 12:05:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.262027
• Title: LenghuSky-8: An 8-Year All-Sky Cloud Dataset with Star-Aware Masks and Alt-Az Calibration for Segmentation and Nowcasting
• Title（参考訳）: LenghuSky-8: Star-Aware MaskとAlt-Azキャリブレーションによる8年間のオールスカイクラウドデータセット
• Authors: Yicheng Rui, Xiao-Wei Duan, Licai Deng, Fan Yang, Zhengming Dang, Zhengjun Du, Junhao Peng, Wenhao Chu, Umut Mahmut, Kexin Li, Yiyun Wu, Fabo Feng,
• Abstract要約: LenghuSky-8(レングスカイ-8)は、最初の天体観測地点から8年間の全天撮影データセットである。 昼、夜、月相をまたいだ堅牢な雲のセグメンテーションのために、我々はDINOv3の局所的な特徴について線形プローブを訓練する。 各画素を局所アルトアズ座標にマッピングし,キャリブレーションの不確かさを測定する。
• 参考スコア（独自算出の注目度）: 6.986528876349959
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ground-based time-domain observatories require minute-by-minute, site-scale awareness of cloud cover, yet existing all-sky datasets are short, daylight-biased, or lack astrometric calibration. We present LenghuSky-8, an eight-year (2018-2025) all-sky imaging dataset from a premier astronomical site, comprising 429,620 $512 \times 512$ frames with 81.2% night-time coverage, star-aware cloud masks, background masks, and per-pixel altitude-azimuth (Alt-Az) calibration. For robust cloud segmentation across day, night, and lunar phases, we train a linear probe on DINOv3 local features and obtain 93.3% $\pm$ 1.1% overall accuracy on a balanced, manually labeled set of 1,111 images. Using stellar astrometry, we map each pixel to local alt-az coordinates and measure calibration uncertainties of approximately 0.37 deg at zenith and approximately 1.34 deg at 30 deg altitude, sufficient for integration with telescope schedulers. Beyond segmentation, we introduce a short-horizon nowcasting benchmark over per-pixel three-class logits (sky/cloud/contamination) with four baselines: persistence (copying the last frame), optical flow, ConvLSTM, and VideoGPT. ConvLSTM performs best but yields only limited gains over persistence, underscoring the difficulty of near-term cloud evolution. We release the dataset, calibrations, and an open-source toolkit for loading, evaluation, and scheduler-ready alt-az maps to boost research in segmentation, nowcasting, and autonomous observatory operations.
• Abstract（参考訳）: 地上の時間領域の観測には、雲のカバーに対する数分単位での認識が必要であるが、既存の全天のデータセットは短く、日光に偏り、天文学的な校正が欠如している。 約8年(2018-2025年)のLonghuSky-8は、最初の天文学的な場所でのオールスキー画像データセットで、429,62050,00012 \times 512$ frames with 81.2% night-time coverages, star-aware cloud masks, background masks, and per-pixel altitude-azimuth (Alt-Az) calibrationからなる。 昼、夜、月の各フェーズにわたる堅牢な雲のセグメンテーションのために、DINOv3の局所的な特徴に関する線形プローブを訓練し、バランスの取れた1,111枚の画像に対して93.3%の$\pm$ 1.1%の精度を得る。 恒星アストロメトリーを用いて、各画素を局所アルトアズ座標にマッピングし、ゼニスで約0.37デグ、高度30デグで約1.34デグのキャリブレーション不確かさを測定し、望遠鏡スケジューラと統合するのに十分である。 セグメンテーションの他に、持続性(最後のフレームをコピーする)、光学フロー、ConvLSTM、ビデオGPTの4つのベースラインを持つピクセル単位の3クラスログ(スキー/クラウド/汚染)に対して、ショートホライゾンの nowcasting ベンチマークを導入する。 ConvLSTMは最高の性能を発揮するが、持続性よりも限られた利得しか得られず、短期的な雲の進化の難しさを浮き彫りにしている。 データセット、キャリブレーション、およびスケジューラ対応のアルトアズマップをロード、評価、そしてオープンソースのツールキットをリリースし、セグメンテーション、現在放送、自律的な観測操作の研究を強化します。

関連論文リスト

• SGMAGNet: A Baseline Model for 3D Cloud Phase Structure Reconstruction on a New Passive Active Satellite Benchmark [17.3424418972935]
  本稿では,衛星観測を詳細な3次元雲相構造に変換するためのベンチマークデータセットを提案する。 我々はSGMAGNetをメインモデルとして採用し、いくつかのベースラインアーキテクチャと比較する。 その結果,SGMAGNetは雲相再構成において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-09-19T07:29:23Z)
• Landsat30-AU: A Vision-Language Dataset for Australian Landsat Imagery [16.921090589233064]
  Landsat30-AU(ランドサット30-AU)は、オーストラリア上空の4つのランドサット衛星によって収集された30メートルの解像度画像から構築された視覚言語データセットである。 データセットには2つのコンポーネントが含まれている: Landsat30-AU-Cap、イメージキャプチャペア196,262ドル、Landsat30-AU-VQA。
  論文  参考訳（メタデータ） (2025-08-05T06:16:46Z)
• Estimating the Diameter at Breast Height of Trees in a Forest With a Single 360 Camera [52.85399274741336]
  森林在庫は、生態モニタリング、資源管理、炭素会計のために、乳房の高さ(DBH)の直径の正確な測定に頼っている。 LiDARベースの技術はセンチメートル単位の精度を達成できるが、コストは抑えられ、運用上複雑である。 コンシューマグレードの360度ビデオカメラしか必要としない低価格の代替機を提示する。
  論文  参考訳（メタデータ） (2025-05-06T01:09:07Z)
• Deep-learning based measurement of planetary radial velocities in the presence of stellar variability [70.4007464488724]
  我々は、HARPS-N Sun-as-a-star Spectraの3年間の恒星RVジッタを低減するためにニューラルネットワークを使用する。 マルチラインCNNは、半振幅0.2m/s、50日間、振幅8.8%、周期0.7%の誤差で惑星を回復することができる。
  論文  参考訳（メタデータ） (2023-04-10T18:33:36Z)
• Self-Configuring nnU-Nets Detect Clouds in Satellite Images [30.46904432868366]
  nnU-Netsは、さまざまなデータセット上でセグメンテーションネットワークのメタラーニングを実行することができる、自己再構成可能なフレームワークである。 Sentinel-2とLandsat-8のマルチスペクトル画像を用いて行った実験により,nnU-Netsは手動設計なしで最先端のクラウドセグメンテーション性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-24T23:39:58Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• CloudCast: A Satellite-Based Dataset and Baseline for Forecasting Clouds [0.0]
  本稿では,CloudCast'と呼ばれる新しい衛星ベースのデータセットを提案する。 画像は70,080枚で、雲の種類は10種類あり、大気の複数の層がピクセルレベルでアノテートされている。 データセットの空間解像度は928 x 1530ピクセル(1ピクセルあたり3x3km)で、2017-01-01から2018-12-31までのフレーム間隔は15分である。
  論文  参考訳（メタデータ） (2020-07-15T20:20:55Z)

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。