論文の概要: Cross-Polarization Fusion of VV AND VH SAR Observations for Improved Flood Mapping

• arxiv url: http://arxiv.org/abs/2605.02153v1
• Date: Mon, 04 May 2026 02:35:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.108779
• Title: Cross-Polarization Fusion of VV AND VH SAR Observations for Improved Flood Mapping
• Title（参考訳）: 改良フラッドマッピングのためのVVおよびVH SAR観測のクロスポーラライゼーション融合
• Authors: Jagrati Talreja, Tewodros Syum Gebre, Leila Hashemi Beni,
• Abstract要約: 本稿では,VVとVH SARの相互分極融合による洪水マッピングの改善効果について検討する。 実験により、VV-VH融合は単偏極モデルより一貫して優れていることが示された。 この結果は,災害監視アプリケーションにおけるSARベースの洪水マッピングの信頼性を高めるために,クロスポーラライズSAR融合の重要性を強調した。
• 参考スコア（独自算出の注目度）: 0.3186130813218338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic Aperture Radar (SAR) imagery is widely used for flood monitoring due to its all-weather and day-night imaging capability. However, flood mapping using single-polarization SAR data remains challenging in complex environments where surface and volume scattering coexist. In this paper, we investigate the effectiveness of cross-polarization fusion of VV and VH SAR observations for improved flood mapping. A deep learning-based segmentation framework is employed to jointly exploit complementary information from VV and VH polarizations. To ensure a fair evaluation, three configurations are compared under identical training conditions: VV only, VH only, and fused VV-VH input. Performance is assessed using standard flood mapping metrics, including Intersection over Union (IoU) and F1-score, along with qualitative visual analysis. Experimental results demonstrate that VV-VH fusion consistently outperforms single-polarization models, particularly in vegetated and heterogeneous flood regions, leading to more accurate flood boundary delineation. The findings highlight the importance of cross-polarization SAR fusion for enhancing the reliability of SAR-based flood mapping in disaster monitoring applications.
• Abstract（参考訳）: SAR(Synthetic Aperture Radar)画像は、全天候と昼夜の撮影能力のため、洪水モニタリングに広く利用されている。 しかし, 表面散乱と体積散乱が共存する複雑な環境下では, 単一偏光SARデータを用いたフラッドマッピングは依然として困難である。 本稿では,VVとVH SARの相互分極融合による洪水マッピングの改善効果について検討する。 深層学習に基づくセグメンテーションフレームワークを用いて、VVとVHの分極から補完的な情報を共同で活用する。 公平な評価を確保するため、VVのみ、VHのみ、VV-VHのみ、融合VV-VH入力の3つの構成を同一の訓練条件で比較する。 IoU(Intersection over Union)やF1スコア(F1-score)など、標準的なフラッドマッピングメトリクスと定性的視覚分析を使用して、パフォーマンスを評価する。 実験の結果、VV-VH融合は、特に植生と不均質の洪水地域では、一極化モデルよりも一貫して優れており、より正確な洪水境界のデライン化をもたらすことが示された。 この結果は,災害監視アプリケーションにおけるSARベースの洪水マッピングの信頼性を高めるために,クロスポーラライズSAR融合の重要性を浮き彫りにした。

関連論文リスト

• FLoRA: Fusion-Latent for Optical Reconstruction and Flood Area Segmentation via Cross-Modal Multi-Task Distillation Network [0.3186130813218338]
  FLoRAは、高精細な光学画像を共同で再構築し、センチネル1号SARから浸水領域を分割するクロスモーダルフレームワークである。 設計により、(a)微粒なRGB再構成のためのSAR-光変換と(b)水文解釈のための洪水水領域セグメンテーションの2つの相補的な目的にまたがるマルチタスク学習が可能となる。
  論文  参考訳（メタデータ） (2026-05-04T01:37:25Z)
• Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification [52.784239635604735]
  VVI-ReIDは、静止画像以外にも時間情報が付加的な手がかりを提供する、全日監視のための重要な技術である。 既存のアプローチは、高価なクロスモダリティアノテーションによる完全な教師付き学習に大きく依存しており、スケーラビリティが制限されています。 そこで,本研究では,ビデオの先行を明示的に活用するCausal Bootstrapped Alignmentフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-17T02:15:59Z)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• Alignment-Aware and Reliability-Gated Multimodal Fusion for Unmanned Aerial Vehicle Detection Across Heterogeneous Thermal-Visual Sensors [6.686898063543218]
  本研究は,Registration-Aware Guided Image Fusion (RGIF)とReliability-Gated Modality-Attention Fusion (RGMAF)の2つの融合戦略を紹介する。 RGIFは拡張相関係数(ECC)ベースのアフィン登録とガイドフィルターを組み合わせて熱塩分濃度を維持しながら構造的詳細を増強する。 RGMAFは、アフィンと光フローの登録と、熱コントラストと視覚的シャープネスを適応的にバランスさせる信頼性の高い注意機構を統合する。
  論文  参考訳（メタデータ） (2026-03-09T10:39:26Z)
• Out-of-Distribution Radar Detection with Complex VAEs: Theory, Whitening, and ANMF Fusion [5.205040944294552]
  複素数値変分オートエンコーダ(CVAE)は、外部分布検出を行うためにクラッタプラスノイズのみを訓練した。 古典的かつ適応的な検出器に対して性能をベンチマークする。 その結果, 統計的正規化と複素数値生成モデルが組み合わさって, 現実的な海面クラッタ条件における検出を大幅に改善できることが示唆された。
  論文  参考訳（メタデータ） (2026-01-26T16:51:19Z)
• Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
  ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。 ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。 合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2025-11-21T03:40:45Z)
• Progressive Cross Attention Network for Flood Segmentation using Multispectral Satellite Imagery [0.0]
  ProCANetは、多スペクトルの特徴に対して、自己と横断的なメカニズムの両方を段階的に適用するディープラーニングモデルである。 IoU(Intersection over Union, IoU)スコアは0.815。
  論文  参考訳（メタデータ） (2025-01-21T06:55:31Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• Cross-Geography Generalization of Machine Learning Methods for Classification of Flooded Regions in Aerial Images [3.9921541182631253]
  本研究は,UAV空中画像中の浸水領域を特定するための2つのアプローチを提案する。 最初のアプローチは、テクスチャベースの教師なしセグメンテーションを使用して、浸水した地域を検出する。 2つ目は、テクスチャ機能に人工ニューラルネットワークを使用して、画像が浸水して浮かばないものとして分類する。
  論文  参考訳（メタデータ） (2022-10-04T13:11:44Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。