論文の概要: GEAR: Geography-knowledge Enhanced Analog Recognition Framework in Extreme Environments

• arxiv url: http://arxiv.org/abs/2603.18626v1
• Date: Thu, 19 Mar 2026 08:45:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.040589
• Title: GEAR: Geography-knowledge Enhanced Analog Recognition Framework in Extreme Environments
• Title（参考訳）: GEAR:極端環境における地理知識の強化されたアナログ認識フレームワーク
• Authors: Zelin Liu, Bocheng Li, Yuling Zhou, Xuanting Li, Yixuan Yang, Jing Wang, Weishu Zhao, Xiaofeng Gao,
• Abstract要約: underlinetextbfGeography-knowledge underlinetextbfEnhanced underlinetextbfAnalog underlinetextbfRecognition (textbfGEAR) Frameworkを提案する。 清海・チベット高原の250万平方キロメートルから効率的にアナログを回収するように設計されている。
• 参考スコア（独自算出の注目度）: 8.14787381188127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Mariana Trench and the Qinghai-Tibet Plateau exhibit significant similarities in geological origins and microbial metabolic functions. Given that deep-sea biological sampling faces prohibitive costs, recognizing structurally homologous terrestrial analogs of the Mariana Trench on the Qinghai-Tibet Plateau is of great significance. Yet, no existing model adequately addresses cross-domain topographic similarity retrieval, either neglecting geographical knowledge or sacrificing computational efficiency. To address these challenges, we present \underline{\textbf{G}}eography-knowledge \underline{\textbf{E}}nhanced \underline{\textbf{A}}nalog \underline{\textbf{R}}ecognition (\textbf{GEAR}) Framework, a three-stage pipeline designed to efficiently retrieve analogs from 2.5 million square kilometers of the Qinghai-Tibet Plateau: (1) Skeleton guided Screening and Clipping: Recognition of candidate valleys and initial screening based on size and linear morphological criteria. (2) Physics aware Filtering: The Topographic Waveform Comparator (TWC) and Morphological Texture Module (MTM) evaluate the waveform and texture and filter out inconsistent candidate valleys. (3) Graph based Fine Recognition: We design a \underline{\textbf{M}}orphology-integrated \underline{\textbf{S}}iamese \underline{\textbf{G}}raph \underline{\textbf{N}}etwork (\textbf{MSG-Net}) based on geomorphological metrics. Correspondingly, we release an expert-annotated topographic similarity dataset targeting tectonic collision zones. Experiments demonstrate the effectiveness of every stage. Besides, MSG-Net achieved an F1-Score 1.38 percentage points higher than the SOTA baseline. Using features extracted by MSG-Net, we discovered a significant correlation with biological data, providing evidence for future biological analysis.
• Abstract（参考訳）: マリアナ海溝と清海・チベット高原は、地質学的起源と微生物の代謝機能に非常に類似している。 深海生物採取は禁忌費用に直面しているため、清・チベット高原のマリアナ海溝の構造的ホモロジー的な地形的類似を認識することは極めて重要である。 しかし、地理的知識を無視したり、計算効率を犠牲にするなど、ドメイン間の類似性検索を適切に扱うモデルは存在しない。 これらの課題に対処するために、我々は、清・チベット高原の2.5万平方キロメートルからアナログを効率的に回収するように設計された3段階パイプラインである、Sharedline{\textbf{G}}eography-knowledge \underline{\textbf{E}}nhanced \underline{\textbf{A}}nalog \underline{\textbf{R}}ecognition (\textbf{GEAR}) Frameworkを提示する。 2)物理対応フィルタリング:TWC(Topographic Waveform Comparator)とMTM(Morphological Texture Module)は,波形とテクスチャを評価し,不整合候補谷をフィルタリングする。 (3) グラフに基づく微視的認識: 地形的指標に基づいて, 図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形的図形を設計する。 それに対応して,テクトニック衝突帯を対象とする専門家による地形類似性データセットを作成した。 実験はすべてのステージの有効性を示す。 さらに、MSG-NetはSOTAベースラインよりもF1スコア1.38ポイント高かった。 MSG-Netによって抽出された特徴を用いて,生物データと有意な相関関係が発見され,将来的な生物学的分析の証拠となった。

関連論文リスト

• GIAT: A Geologically-Informed Attention Transformer for Lithology Identification [6.315199366662337]
  Geologically-Informed Attention Transformer (GIAT) は、データ駆動型地質学的先行をTransformerの注意機構と融合させる新しいフレームワークである。 GIATは95.4%の精度で最先端のパフォーマンスを達成し、既存のモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2026-03-10T04:02:57Z)
• Geodiffussr: Generative Terrain Texturing with Elevation Fidelity [48.82552523546255]
  テキスト誘導テクスチャマップを合成するフローマッチングパイプラインであるGeodiffussrを紹介する。 マルチスケールコンテンツアグリゲーション(MCA): DEM機能は、複数の解像度でUNetブロックに注入され、グローバルからローカライズされた高度の一貫性が強制される。 Geodiffussrを訓練し,評価するために,SRTM由来のDEMとSentinel-2画像と視覚接地型自然出現キャプションを組み合わせた三重項のグローバル分布,バイオメ-および気候成層コーパスを組み立てた。
  論文  参考訳（メタデータ） (2025-11-28T09:52:44Z)
• ZeroFlood: A Geospatial Foundation Model for Data-Efficient Flood Susceptibility Mapping [0.0]
  FSM(Flood susceptibility mapping)は防災に不可欠であるが,データスカース地域では依然として困難である。 この作業は、データ効率のよいFSMのためのフレームワークであるZeroFloodを導入している。
  論文  参考訳（メタデータ） (2025-10-27T14:14:09Z)
• Mitigating Label Noise on Graph via Topological Sample Selection [72.86862597508077]
  トポロジ情報を活用することで,グラフ内の情報的サンプル選択プロセスを促進できる$textitTopological Sample Selection$ (TSS)法を提案する。 提案手法は,対象のクリーン分布下での予測されるリスク上限の上限を最小化し,最先端のベースラインと比較して,提案手法の優位性を実験的に示す。
  論文  参考訳（メタデータ） (2024-03-04T11:24:51Z)
• TA-Net: Topology-Aware Network for Gland Segmentation [71.52681611057271]
  本研究では, 密集した腺と高度に変形した腺を正確に分離する新しいトポロジ・アウェア・ネットワーク(TA-Net)を提案する。 TA-Netはマルチタスク学習アーキテクチャを持ち、腺セグメンテーションの一般化を強化する。 2つのデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-10-27T17:10:58Z)
• Predictive Geological Mapping with Convolution Neural Network Using Statistical Data Augmentation on a 3D Model [0.0]
  本研究では,3次元地質・磁気感受性モデルを用いたデータ拡張ワークフローを構築した。 Gated Shape Convolutional Neural Networkアルゴリズムは、地質図を作成するために生成された合成データセットに基づいて訓練された。 合成データセットの一部と周辺地域のデータを用いて行った検証結果から, この手法が海底地質の区分に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-10-27T13:56:40Z)
• Topology-Aware Segmentation Using Discrete Morse Theory [38.65353702366932]
  深部画像セグメンテーションネットワークを訓練し、位相精度を向上させる新しい手法を提案する。 1次元骨格や2次元パッチなど,位相的精度に重要なグローバル構造を明らかにする。 多様なデータセットに対して,DICEスコアとトポロジカルメトリクスの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-18T02:47:21Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)

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。