Fugu-MT 論文翻訳(概要): TRACE: Thermal Recognition Attentive-Framework for CO2 Emissions from Livestock

論文の概要: TRACE: Thermal Recognition Attentive-Framework for CO2 Emissions from Livestock

arxiv url: http://arxiv.org/abs/2604.09648v1
Date: Fri, 27 Mar 2026 19:30:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-19 19:09:11.597104
Title: TRACE: Thermal Recognition Attentive-Framework for CO2 Emissions from Livestock
Title（参考訳）: TRACE:家畜からのCO2排出を熱認識する枠組み
Authors: Taminul Islam, Abdellah Lakhssassi, Toqi Tahamid Sarker, Mohamed Embaby, Khaled R Ahmed, Amer AbuGhazaleh,
Abstract要約: 放牧牛からの排出CO2の定量化は、反響代謝状態の直接的な指標であり、農業規模の炭素収支の前提条件である。 TRACEは,フレーム単位のCO2プループセグメンテーションとクリップレベルのエミッションフラックス分類を併用する最初の統合フレームワークである。
参考スコア（独自算出の注目度）: 4.15623340386296
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Quantifying exhaled CO2 from free-roaming cattle is both a direct indicator of rumen metabolic state and a prerequisite for farm-scale carbon accounting, yet no existing system can deliver continuous, spatially resolved measurements without physical confinement or contact. We present TRACE (Thermal Recognition Attentive-Framework for CO2 Emissions from Livestock), the first unified framework to jointly address per-frame CO2 plume segmentation and clip-level emission flux classification from mid-wave infrared (MWIR) thermal video. TRACE contributes three domain-specific advances: a Thermal Gas-Aware Attention (TGAA) encoder that incorporates per-pixel gas intensity as a spatial supervisory signal to direct self-attention toward high-emission regions at each encoder stage; an Attention-based Temporal Fusion (ATF) module that captures breath-cycle dynamics through structured cross-frame attention for sequence-level flux classification; and a four-stage progressive training curriculum that couples both objectives while preventing gradient interference. Benchmarked against fifteen state-of-the-art models on the CO2 Farm Thermal Gas Dataset, TRACE achieves an mIoU of 0.998 and the best result on every segmentation and classification metric simultaneously, outperforming domain-specific gas segmenters with several times more parameters and surpassing all baselines in flux classification. Ablation studies confirm that each component is individually essential: gas-conditioned attention alone determines precise plume boundary localization, and temporal reasoning is indispensable for flux-level discrimination. TRACE establishes a practical path toward non-invasive, continuous, per-animal CO2 monitoring from overhead thermal cameras at commercial scale. Codes are available at https://github.com/taminulislam/trace.
Abstract（参考訳）: 遊牧牛から排出される二酸化炭素の定量化は、反物質代謝状態の直接の指標であり、農場規模の炭素会計の前提条件でもあるが、物理的拘束や接触なしに連続的に空間的に解決された測定をすることが可能な既存のシステムは存在しない。本研究では,中波赤外(MWIR)サーマルビデオから,フレーム単位のCO2エミッションセグメンテーションとクリップ単位のエミッションフラックス分類を併用する最初の統合フレームワークであるTRACE(Thermal Recognition Attentive-Framework for CO2 emissions from Livestock)を提案する。 TRACEは3つのドメイン固有の進歩に寄与している: 熱ガス認識(TGAA)エンコーダは、ピクセルごとのガス強度を空間的監視信号として組み込んで、各エンコーダの高エミッション領域に向けて自己注意を向ける。 TRACEはCO2ファーム熱ガスデータセットの15の最先端モデルと比較し、0.998mIoUを達成し、各セグメンテーションと分類基準で最高の結果を得る。ガス調和された注意だけで正確なプルーム境界の局在が決定され、時間的推論はフラックスレベルの識別には不可欠である。 TRACEは、商用規模のオーバーヘッド熱カメラから非侵襲的で連続的な、動物ごとのCO2モニタリングへの実践的な道を確立している。コードはhttps://github.com/taminulislam/trace.comで公開されている。

関連論文リスト

Pay Attention to CTC: Fast and Robust Pseudo-Labelling for Unified Speech Recognition [61.39209522608919]
統一音声認識は、音声、視覚、および聴覚の音声認識のための単一のモデルを訓練するための半教師付きフレームワークとして登場した。そこでは,CTCの擬似ラベルをアテンションターゲットを生成するためにデコーダに入力するCTC駆動型教師強制方式を提案する。 CTCとCTC駆動のアテンション擬似ラベルは同じ長さであるため、デコーダは両方を同時に予測できる。
論文参考訳（メタデータ） (2026-02-22T19:38:21Z)
From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
論文参考訳（メタデータ） (2026-02-20T18:58:43Z)
Standardized Methods and Recommendations for Green Federated Learning [4.07505182773706]
フェデレートラーニング(FL)は、プライバシに敏感な分散データに対する協調モデルトレーニングを可能にするが、その環境への影響は研究全体で比較することは困難である。 NVIDIA NVFlare と CodeCarbon を用いた FL CO2e 追跡のための実用的な炭素計数手法を提案する。
論文参考訳（メタデータ） (2026-01-30T21:46:36Z)
FUME: Fused Unified Multi-Gas Emission Network for Livestock Rumen Acidosis Detection [3.7515646463759698]
ルミナルアシドーシス(Ruminal acidosis)は、乳牛の代謝障害であり、経済的損失と動物福祉の懸念を引き起こす。 In vitro 条件下でのデュアルガス光学画像からのルメンアシドーシス検出のための最初の深層学習手法であるFUMEを提案する。本研究は, ガス排出による家畜の健康モニタリングの可能性を確立し, 実用的, インビトロアシドーシス検出システムの実現に向けての道を開くものである。
論文参考訳（メタデータ） (2026-01-13T04:17:22Z)
COFAP: A Universal Framework for COFs Adsorption Prediction through Designed Multi-Modal Extraction and Cross-Modal Synergy [15.886563559077507]
共有有機フレームワーク(COF)は、ガス吸着と分離のための吸着剤である。深層学習によるマルチモーダル構造および化学的特徴の抽出が可能なCOFs吸着予測フレームワーク(COFAP)を提案する。重み調整可能な優先順位付け方式も開発され、研究者の候補COFのフレキシブルでアプリケーション固有のランク付けが可能となった。
論文参考訳（メタデータ） (2025-11-03T10:11:33Z)
CarboFormer: A Lightweight Semantic Segmentation Architecture for Efficient Carbon Dioxide Detection Using Optical Gas Imaging [4.567122178196833]
二酸化炭素排出量(CO$$)は、環境影響と産業プロセスの両方の重要な指標である。光ガスイメージング(OGI)のための軽量セマンティックセグメンテーションフレームワークCarboFormerを紹介する。提案手法は,最適化エンコーダデコーダアーキテクチャと,特殊なマルチスケール機能融合と補助監視戦略を統合したものである。
論文参考訳（メタデータ） (2025-05-23T18:01:42Z)
Degree-Conscious Spiking Graph for Cross-Domain Adaptation [51.58506501415558]
Spiking Graph Networks (SGNs) はグラフ分類において大きな可能性を証明している。 DeSGraDA(Degree-Consicious Spiking Graph for Cross-Domain Adaptation)という新しいフレームワークを紹介する。 DeSGraDAは3つのキーコンポーネントを持つドメイン間の一般化を強化する。
論文参考訳（メタデータ） (2024-10-09T13:45:54Z)
Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文参考訳（メタデータ） (2022-10-31T04:04:03Z)
SEA: Bridging the Gap Between One- and Two-stage Detector Distillation via SEmantic-aware Alignment [76.80165589520385]
細粒度情報を抽象化する性質から,SEA (SEmantic-Aware Alignment) 蒸留法を命名した。 1段検出器と2段検出器の両方において、挑戦的な物体検出タスクにおいて、最先端の新たな結果が得られる。
論文参考訳（メタデータ） (2022-03-02T04:24:05Z)
Joint-bone Fusion Graph Convolutional Network for Semi-supervised Skeleton Action Recognition [65.78703941973183]
本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
論文参考訳（メタデータ） (2022-02-08T16:03:15Z)

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。