論文の概要: Whittaker-Henderson smoother for long satellite image time series interpolation

• arxiv url: http://arxiv.org/abs/2604.00048v1
• Date: Mon, 30 Mar 2026 11:04:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.645293
• Title: Whittaker-Henderson smoother for long satellite image time series interpolation
• Title（参考訳）: 長期衛星画像時系列補間のためのウィテカー・ヘンダーソン平滑化器
• Authors: Mathieu Fauvel,
• Abstract要約: Whittaker smootherは、衛星画像時系列を前処理するための広く採用されているソリューションである。 本稿では、Whittakerをスムースに微分可能なニューラルネットワーク層としてキャストすることで、2つの重要な制限に対処する。 フレームワークはさらに拡張され、時間変化の正規化によって異方性雑音を処理する。
• 参考スコア（独自算出の注目度）: 0.27074235008521236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whittaker smoother is a widely adopted solution to pre-process satellite image time series. Yet, two key limitations remain: the smoothing parameter must be tuned individually for each pixel, and the standard formulation assumes homoscedastic noise, imposing uniform smoothing across the temporal dimension. This paper addresses both limitations by casting the Whittaker smoother as a differentiable neural layer, in which the smoothing parameter is inferred by a neural network. The framework is further extended to handle heteroscedastic noise through a time-varying regularization, allowing the degree of smoothing to adapt locally along the time series. To enable large-scale processing, a sparse, memory-efficient, and fully differentiable implementation is proposed, exploiting the symmetric banded structure of the underlying linear system via Cholesky factorization. Benchmarks on GPU demonstrate that this implementation substantially outperforms standard dense linear solvers, both in speed and memory consumption. The approach is validated on SITS acquired over the French metropolitan territory between 2016 and 2024. Results confirm the feasibility of large-scale heteroscedastic Whittaker smoothing, though reconstruction differences with the homoscedastic baseline remain limited, suggesting that the transformer architecture used for smoothing parameter estimation may lack the temporal acuity needed to capture abrupt noise variations such as singleday cloud contamination.
• Abstract（参考訳）: ウィテカー・スムーダーは、衛星画像の時系列を前処理する手法として広く採用されている。 しかし、2つの重要な制限が残っている: 平滑化パラメータは各ピクセルに対して個別に調整されなければならない、そして標準定式化は、時間次元にわたって均一な滑らか化を示唆するホモスセダスティックノイズを仮定する。 本稿では,Whittakerスムーダをニューラルネットワークによって推論される微分可能なニューラルネットワーク層としてキャストすることで,両方の制約に対処する。 フレームワークはさらに拡張され、時間変化の規則化によってヘテロシステマティックノイズを処理し、時系列に沿って局所的に平滑化の度合いを調整できる。 大規模処理を実現するため,コレスキー分解による線形系の対称帯域構造を利用して,スパース,メモリ効率,完全微分可能な実装を提案する。 GPU上のベンチマークでは、この実装は、速度とメモリ消費の両方において、標準の高密度線形解法よりも大幅に優れていることが示されている。 このアプローチは、2016年から2024年の間にフランス大都市圏で買収されたSITSで検証されている。 その結果, 大規模なヘテロセダスティックウィテカー平滑化の実現可能性が確認されたが, ホモセダスティックベースラインとの再構成の相違は限定的であり, 単日雲汚染などの急激なノイズ変動を捉えるのに必要な時間的振幅が欠如していることが示唆された。

関連論文リスト

• TimeSqueeze: Dynamic Patching for Efficient Time Series Forecasting [46.671658381710785]
  TimeSqueezeは動的パッチ機構で、ローカル信号の複雑さに基づいて各シーケンス内のパッチ境界を適応的に選択する。 TimeSqueezeは、同等のポイントツーケンベースラインに比べて最大20倍高速収束と8倍高いデータ効率を実現している。
  論文  参考訳（メタデータ） (2026-03-11T22:38:13Z)
• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• Unifying Sign and Magnitude for Optimizing Deep Vision Networks via ThermoLion [0.0]
  現在のパラダイムは、情報チャネルドリフトパラメータに静的な妥協を課している。 我々は「低次元」探索モデルと「低次元」動的アライメントフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-12-01T17:04:17Z)
• Nesterov Method for Asynchronous Pipeline Parallel Optimization [59.79227116582264]
  パイプライン並列処理における非同期最適化のために,Nesterov Accelerated Gradient (NAG) の変種を導入する。 具体的には、NAGのルックアヘッドステップを変更して、勾配の安定性を効果的に解決する。 我々は、勾配の固定遅延の存在下で、我々のアプローチがサブ線形速度で収束することを理論的に証明する。
  論文  参考訳（メタデータ） (2025-05-02T08:23:29Z)
• Mirror Descent Under Generalized Smoothness [23.5387392871236]
  一般ノルムと双対という観点からヘッセンのノルムを測定する新しい$ell*$-smoothnessの概念を導入する。 我々は、古典的な滑らかさの下でのレートに一致するミラー・ディフレッシュ型アルゴリズムの収束性を確立する。
  論文  参考訳（メタデータ） (2025-02-02T11:23:10Z)
• Multi-scale Diffusion Denoised Smoothing [79.95360025953931]
  ランダムな平滑化は、大規模モデルに敵対的ロバスト性を提供する、いくつかの具体的なアプローチの1つになっている。 本報告では, 分割平滑化におけるロバスト性と精度との現在のトレードオフに対処するスケーラブルな手法を提案する。 提案手法と拡散微細調整を併用したマルチスケール平滑化手法により,高騒音レベルで高い信頼性のロバスト性が得られることを示す。
  論文  参考訳（メタデータ） (2023-10-25T17:11:21Z)
• Diffeomorphic Transformations for Time Series Analysis: An Efficient Approach to Nonlinear Warping [0.0]
  多くの分野にわたる時間データの拡散と普遍性は、類似性、分類、クラスタリング手法への関心を喚起した。 ユークリッドのような伝統的な距離測度は、時間に依存したデータの性質のため適していない。 この論文は、パラメトリックおよび微分同相のワープ変換を用いる新しい弾性アライメント法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T10:51:47Z)
• Improved, Deterministic Smoothing for L1 Certified Robustness [119.86676998327864]
  分割雑音を伴う非加法的決定論的平滑化法(dssn)を提案する。 一様加法平滑化とは対照的に、ssn認証は無作為なノイズコンポーネントを独立に必要としない。 これは、規範ベースの敵対的脅威モデルに対して決定論的「ランダム化平滑化」を提供する最初の仕事である。
  論文  参考訳（メタデータ） (2021-03-17T21:49:53Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。