論文の概要: Physics-Conditioned Synthesis of Internal Ice-Layer Thickness for Incomplete Layer Traces

• arxiv url: http://arxiv.org/abs/2604.20783v1
• Date: Wed, 22 Apr 2026 17:10:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.248825
• Title: Physics-Conditioned Synthesis of Internal Ice-Layer Thickness for Incomplete Layer Traces
• Title（参考訳）: 不完全層トレースのための内部氷層厚の物理合成
• Authors: Zesheng Liu, Maryam Rahnemoonfar,
• Abstract要約: レーダーで捉えた内部の氷層は、雪の堆積と氷の動力学の重要な証拠となる。 レーダー由来の層境界観測は、しばしば不完全であり、不連続な痕跡と時に完全に欠落する層がある。 氷層序法のための既存のグラフベースモデルは十分な完全な層プロファイルを仮定する。
• 参考スコア（独自算出の注目度）: 1.6114012813668932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Internal ice layers imaged by radar provide key evidence of snow accumulation and ice dynamics, but radar-derived layer boundary observations are often incomplete, with discontinuous traces and sometimes entirely missing layers, due to limited resolution, sensor noise, and signal loss. Existing graph-based models for ice stratigraphy generally assume sufficiently complete layer profiles and focus on predicting deeper-layer thickness from reliably traced shallow layers. In this work, we address the layer-completion problem itself by synthesizing complete ice-layer thickness annotations from incomplete radar-derived layer traces by conditioning on colocated physical features synchronized from physical climate models. The proposed network combines geometric learning to aggregate within-layer spatial context with a transformer-based temporal module that propagates information across layers to encourage coherent stratigraphy and consistent thickness evolution. To learn from incomplete supervision, we optimize a mask-aware robust regression objective that evaluates errors only at observed thickness values and normalizes by the number of valid entries, enabling stable training under varying sparsity without imputation and steering completions toward physically plausible values. The model preserves observed thickness where available and infers only missing regions, recovering fragmented segments and even fully absent layers while remaining consistent with measured traces. As an additional benefit, the synthesized thickness stacks provide effective pretraining supervision for a downstream deep-layer predictor, improving fine-tuned accuracy over training from scratch on the same fully traced data.
• Abstract（参考訳）: レーダーで撮影された内部の氷層は、雪の蓄積と氷のダイナミックスの鍵となる証拠となるが、レーダー由来の層境界の観測は、しばしば不完全であり、不連続な痕跡があり、時には解像度の制限、センサーノイズ、信号損失など、完全に欠落している。 氷成層序の既存のグラフベースモデルでは、十分に完全な層プロファイルを仮定し、確実にトレースされた浅い層から深い層厚を予測することに重点を置いている。 本研究では,不完全なレーダ由来の層トレースから,物理気候モデルと同期した物理特性を条件に,完全な氷層厚アノテーションを合成することで,層間補完問題そのものに対処する。 提案したネットワークは、幾何学的学習と層内空間コンテキストの集約と、層間情報を伝播するトランスフォーマーベースの時間モジュールを組み合わせることで、コヒーレント層序と一貫した厚みの進化を促進する。 不完全な監視から学習するために、観測された厚さの値のみの誤差を評価し、有効なエントリ数で正規化するマスク対応の頑健な回帰目標を最適化し、インプットを伴わずに様々な間隔で安定したトレーニングを可能とし、物理的に妥当な値に向けて調整する。 このモデルは、観測された厚さを保存し、欠落した領域のみを推測し、測定されたトレースと整合性を維持しながら、断片化されたセグメントと完全に欠落した層を復元する。 さらに、合成した厚みスタックは、下流の深層予測器に効果的な事前トレーニングを施し、同一の完全トレースデータ上でスクラッチからトレーニングの微調整精度を向上させる。

関連論文リスト

• K-STEMIT: Knowledge-Informed Spatio-Temporal Efficient Multi-Branch Graph Neural Network for Subsurface Stratigraphy Thickness Estimation from Radar Data [1.6114012813668932]
  K-STEMITは、知識インフォームド、効率的、マルチブランチ・テンポラルグラフニューラルネットワークである。 これは、モデル大気地域物理気象モデルから同期された物理データを含んでいる。 地上効率を保ちながら、常に最高精度を達成している。
  論文  参考訳（メタデータ） (2026-04-10T21:41:51Z)
• GroundingAnomaly: Spatially-Grounded Diffusion for Few-Shot Anomaly Synthesis [16.74245445257004]
  我々は,新しい数発の異常画像生成フレームワークであるGroundingAnomalyを提案する。 本フレームワークでは,画素ごとのセマンティックマップを活用する空間条件モジュールを導入している。 Gated Self-Attention Moduleは、凍結したU-Netに条件付きトークンを注入するように設計されている。
  論文  参考訳（メタデータ） (2026-04-09T14:34:50Z)
• NimbusGS: Unified 3D Scene Reconstruction under Hybrid Weather [83.14198482357388]
  劣化したマルチビューインプットから高品質な3Dシーンを再構築するための統合フレームワークであるNimbusGSを提案する。 特定の気象タイプをターゲットにした既存の手法とは異なり、NimbusGSはより広範な一般化の課題に対処している。
  論文  参考訳（メタデータ） (2026-03-28T10:46:29Z)
• GRIT-LP: Graph Transformer with Long-Range Skip Connection and Partitioned Spatial Graphs for Accurate Ice Layer Thickness Prediction [1.6114012813668932]
  極性レーダから極性氷層厚推定のためのグラフ変換器GRIT-LPを導入する。 GRIT-LPは、帰納的幾何学グラフ学習フレームワークと自己認識機構を組み合わせたものである。 GRIT-LPは、平均2乗誤差を24.92%改善し、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-24T03:14:55Z)
• ST-GRIT: Spatio-Temporal Graph Transformer For Internal Ice Layer Thickness Prediction [0.7673339435080445]
  レーダ画像における内部氷層の厚さと変動性は、積雪の蓄積を監視し、氷のダイナミクスを評価し、気候モデルにおける不確実性を減らすために重要である。 本研究では, 浅氷層と深氷層の関係を把握し, レーダの処理を目的として, 氷層厚の時間グラフを作成した。 ST-GRITは、ルート平均二乗誤差を低くすることで、現在の最先端手法や他のベースライングラフニューラルネットワークを一貫して上回る。
  論文  参考訳（メタデータ） (2025-07-10T03:06:01Z)
• The Forward-Forward Algorithm: Characterizing Training Behavior [0.0]
  フォワード・フォワードアルゴリズムは、フォワードパスとバックプロパゲーションによって使用されるバックパスではなく、2つのフォワードパスからなる代替学習手法である。 この研究は、フォワード・フォワードネットワークにおけるモデルとレイヤーの精度変化のダイナミクスを探求し、トレーニングが進むにつれて、内部挙動の機械的理解を追求する。
  論文  参考訳（メタデータ） (2025-04-15T14:30:18Z)
• DispFormer: A Pretrained Transformer Incorporating Physical Constraints for Dispersion Curve Inversion [56.64622091009756]
  本研究では、レイリー波位相と群分散曲線からプロファイルインバージョンを$v_s$とするトランスフォーマーベースのニューラルネットワークであるDispFormerを紹介する。 DispFormerは各期間に分散データを個別に処理し、ネットワークの変更やデータセットのトレーニングとテストの厳格な調整を必要とせずに、さまざまな長さを処理できる。
  論文  参考訳（メタデータ） (2025-01-08T09:08:24Z)
• SemiDDM-Weather: A Semi-supervised Learning Framework for All-in-one Adverse Weather Removal [57.52777076116241]
  逆天候除去は、悪天候下で透明な視界を回復することを目的としている。 本稿では教師ネットワーク上に構築された半教師付きオールインワン悪天候除去フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-29T12:12:22Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
  自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。 我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
  論文  参考訳（メタデータ） (2022-10-27T13:24:08Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)

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。