論文の概要: Large-Scale Avalanche Mapping from SAR Images with Deep Learning-based Change Detection

• arxiv url: http://arxiv.org/abs/2603.22658v1
• Date: Tue, 24 Mar 2026 00:22:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.22947
• Title: Large-Scale Avalanche Mapping from SAR Images with Deep Learning-based Change Detection
• Title（参考訳）: ディープラーニングによる変化検出によるSAR画像からの大規模雪崩マッピング
• Authors: Mattia Gatti, Alberto Mariani, Ignazio Gallo, Fabiano Monti,
• Abstract要約: 本研究では,Sentinel-1 レーダ画像を用いた経時変化検出による大規模雪崩マッピングの系統的研究を行った。 手動で検証した雪崩在庫を用いた複数のアルプスエコリージョンでの実験では、作業はSAR前と後の画像にのみ依存して、一貫したパフォーマンスを達成するという、一貫した変化検出問題として扱われている。
• 参考スコア（独自算出の注目度）: 0.40998481751763993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate change detection from satellite imagery is essential for monitoring rapid mass-movement hazards such as snow avalanches, which increasingly threaten human life, infrastructure, and ecosystems due to their rising frequency and intensity. This study presents a systematic investigation of large-scale avalanche mapping through bi-temporal change detection using Sentinel-1 synthetic aperture radar (SAR) imagery. Extensive experiments across multiple alpine ecoregions with manually validated avalanche inventories show that treating the task as a unimodal change detection problem, relying solely on pre- and post-event SAR images, achieves the most consistent performance. The proposed end-to-end pipeline achieves an F1-score of 0.8061 in a conservative (F1-optimized) configuration and attains an F2-score of 0.8414 with 80.36% avalanche-polygon hit rate under a less conservative, recall-oriented (F2-optimized) tuning. These results highlight the trade-off between precision and completeness and demonstrate how threshold adjustment can improve the detection of smaller or marginal avalanches. The release of the annotated multi-region dataset establishes a reproducible benchmark for SAR-based avalanche mapping.
• Abstract（参考訳）: 衛星画像からの正確な変化検出は、雪崩などの急激な大量移動ハザードの監視に不可欠である。 本研究では,Sentinel-1 合成開口レーダ (SAR) 画像を用いた経時的変化検出による大規模雪崩マッピングの系統的検討を行った。 手動で検証された雪崩在庫による複数のアルプスエコリージョンにわたる大規模な実験は、タスクを一様変化検出問題として扱い、事前および後SAR画像にのみ依存し、最も一貫したパフォーマンスを実現することを示している。 提案したエンドツーエンドパイプラインは、保守的(F1最適化)な構成でF1スコアの0.8061を達成し、より保守的でリコール指向(F2最適化)なチューニングの下でF2スコアの0.8414と80.36%の雪崩ポリゴンヒットレートを達成する。 これらの結果は、精度と完全性の間のトレードオフを強調し、しきい値調整がより小さい雪崩や限界雪崩の検出をいかに改善できるかを示す。 注釈付きマルチリージョンデータセットのリリースは、SARベースの雪崩マッピングのための再現可能なベンチマークを確立する。

関連論文リスト

• RemoteVAR: Autoregressive Visual Modeling for Remote Sensing Change Detection [52.32112533846212]
  リモートセンシングによる変化検出は、環境モニタリングや災害評価といった応用の中心である。 視覚的自己回帰モデルは最近、印象的な画像生成能力を示しているが、画素レベルの識別タスクへの採用は、制御性の弱さ、最適下層予測性能、露出バイアスによって制限されている。 本稿では,これらの制約に対処する新しいVARベースの変化検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-17T03:50:00Z)
• SFP: Real-World Scene Recovery Using Spatial and Frequency Priors [84.27251794411673]
  シーンリカバリは様々なコンピュータビジョンアプリケーションにとって重要なタスクである。 本研究では,現実のシーンを再現するための空間的・周波数的優先度(SFP)を提案する。
  論文  参考訳（メタデータ） (2025-12-09T05:24:25Z)
• An Efficient Remote Sensing Super Resolution Method Exploring Diffusion Priors and Multi-Modal Constraints for Crop Type Mapping [0.0]
  超解像度は、低解像度でも歴史的に価値のあるリモートセンシング画像アーカイブを利用する方法を提供する。 現在の手法では、科学的に現実的なイメージを再構成するための現実的な制約として補助情報を限定的に活用している。 RSSR のための効率的な LSSR フレームワークを提案し,Landsat 8 と Sentinel 2 画像のペア化によるマルチモーダルデータセットを提案する。
  論文  参考訳（メタデータ） (2025-10-27T14:34:52Z)
• DenoDet V2: Phase-Amplitude Cross Denoising for SAR Object Detection [49.9059941674531]
  本稿では,バンドワイド相互変調機構を用いて,振幅と位相情報の相補的性質を利用するDenoDet V2を提案する。 DenoDet V2は、DenoDet V1と比較してSARDet-100Kデータセットの大幅な0.8%改善を実現し、モデルの複雑さを半分に削減した。
  論文  参考訳（メタデータ） (2025-08-12T23:24:20Z)
• Real-Time Bayesian Detection of Drift-Evasive GNSS Spoofing in Reinforcement Learning Based UAV Deconfliction [6.956559003734227]
  無人無人航空機(UAV)は、正確なリアルタイムの局地化と航法のためにグローバルナビゲーション衛星システム(GNSS)の擬似距離測定に頼っている。 この依存は、敵がUAV受信機を騙す偽りを操る洗練された偽造脅威にそれらを暴露する。 従来の分布シフト検出技術は、しばしばサンプルのしきい値の蓄積を必要とし、迅速な検出とタイムリーな応答を妨げる遅延を引き起こす。 本研究では,UAVナビゲーションにおける微妙な行動偏差を検出するために,強化学習(RL)批判ネットワークから評価値の時間的変化を監視する,ベイズオンライン変化点検出(BOCPD)アプローチについて検討する。
  論文  参考訳（メタデータ） (2025-07-15T10:27:27Z)
• A Zero-Shot Learning Approach for Ephemeral Gully Detection from Remote Sensing using Vision Language Models [0.0]
  エフェメラル・グリー(Ephemeral gullies)は、土壌浸食の主な原因である。 従来の研究は、リモートセンシング画像から一時的結節の自動検出に成功しなかった。 本研究は, 一時的消化管検出のためのパイプラインを3つ提案し, 評価した。
  論文  参考訳（メタデータ） (2025-03-03T04:36:25Z)
• Monitoring snow avalanches from SAR data with deep learning [5.524804393257921]
  雪崩は、特に山岳地帯において、人命とインフラに重大なリスクをもたらす。 衛星搭載合成開口レーダ(SAR)は,大規模な雪崩検出のための重要なツールとなっている。 本章では,SARデータからの雪崩の検出とセグメンテーションにおけるディープラーニングの適用について概説する。
  論文  参考訳（メタデータ） (2025-02-25T12:41:08Z)
• Combining recurrent and residual learning for deforestation monitoring using multitemporal SAR images [4.296985074708585]
  アマゾン熱帯雨林は地球最大の森林であり、地球規模の気候規制において非常に重要である。 この領域におけるリモートセンシングデータからの森林破壊検出は重要な課題である。 本稿では森林モニタリングに適した3つのディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-09T13:16:20Z)
• DDPM-CD: Denoising Diffusion Probabilistic Models as Feature Extractors for Change Detection [31.125812018296127]
  Deno Diffusion Probabilistic Model (DDPM) の事前学習による変化検出のための新しいアプローチを提案する。 DDPMは、訓練画像を徐々にマルコフ連鎖を用いてガウス分布に変換することにより、トレーニングデータ分布を学習する。 推論(サンプリング)中に、トレーニング分布に近い多様なサンプルセットを生成することができる。 LEVIR-CD, WHU-CD, DSIFN-CD, CDDデータセットを用いて行った実験により,提案手法は既存の変化検出法よりもF1スコアで大幅に優れており, I。
  論文  参考訳（メタデータ） (2022-06-23T17:58:29Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
  緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
  論文  参考訳（メタデータ） (2020-10-15T03:09:08Z)

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。