論文の概要: Efficient Geometry-Controlled High-Resolution Satellite Image Synthesis

• arxiv url: http://arxiv.org/abs/2605.04557v2
• Date: Wed, 13 May 2026 11:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 17:13:58.761933
• Title: Efficient Geometry-Controlled High-Resolution Satellite Image Synthesis
• Title（参考訳）: 効率的な幾何制御高分解能衛星画像合成
• Authors: Vlad Vasilescu, Daniela Faur, Teodor Costachioiu,
• Abstract要約: 高解像度の衛星画像は、特に遠隔地や頻繁な出来事のために、希少で費用がかかることが多い。 この不足は、土地被覆分類、変更検出、災害監視のための機械学習モデルの開発とテストを妨げる。 我々は、既存の事前学習拡散モデルに制御を加えることで、幾何学制御された高分解能衛星画像合成の問題に取り組む。
• 参考スコア（独自算出の注目度）: 1.0195618602298684
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: High-resolution satellite images are often scarce and costly, especially for remote areas or infrequent events. This shortage hampers the development and testing of machine learning models for land-cover classification, change detection, and disaster monitoring. In this paper, we tackle the problem of geometry-controlled high-resolution satellite image synthesis by adding control over existing pre-trained diffusion models. We propose a simple yet efficient method for controlling the synthesis process by leveraging only skip connection features using windowed cross-attention modules. Several previously established control techniques are compared, indicating that our method achieves comparable performance while leading to a better alignment with the geometry control map. We also discuss the limitations in current evaluation approaches, amplifying the necessity of a consistent alignment assessment.
• Abstract（参考訳）: 高解像度の衛星画像は、特に遠隔地や頻繁な出来事のために、希少で費用がかかることが多い。 この不足は、土地被覆分類、変更検出、災害監視のための機械学習モデルの開発とテストを妨げる。 本稿では、既存の事前学習拡散モデルに制御を加えることで、幾何学制御された高分解能衛星画像合成の問題に取り組む。 本稿では,ウィンドウ型クロスアテンションモジュールを用いた接続特性のスキップのみを活用することで,合成過程をシンプルかつ効率的に制御する手法を提案する。 従来確立されていた幾つもの制御手法を比較して,本手法が幾何制御マップとの整合性を高めつつ,同等の性能を実現することを示す。 また、一貫したアライメントアセスメントの必要性を高めるため、現在の評価アプローチの限界についても論じる。

関連論文リスト

• Gated Condition Injection without Multimodal Attention: Towards Controllable Linear-Attention Transformers [69.60693631859411]
  本稿では,線形アテンションアーキテクチャ上に構築された制御可能な拡散モデルについて検討する。 本稿では,SANA などのリニアアテンションバックボーンに適した新しい制御可能な拡散フレームワークを提案する。 提案手法は,線形アテンションモデルに基づく最先端の制御可能な生成性能を実現する。
  論文  参考訳（メタデータ） (2026-03-29T12:31:34Z)
• ScaleWeaver: Weaving Efficient Controllable T2I Generation with Multi-Scale Reference Attention [86.93601565563954]
  ScaleWeaverは、高度な視覚的自己回帰(VAR)モデルに基づいて、高忠実で制御可能な生成を実現するために設計されたフレームワークである。 提案された参照注意モジュールは image$rightarrow$condition から不要な注意を排除し、計算コストを削減している。 実験によると、ScaleWeaverは、拡散ベースの方法よりも優れた効率を実現しつつ、高品質な生成と正確な制御を提供する。
  論文  参考訳（メタデータ） (2025-10-16T17:00:59Z)
• Efficient Conditional Generation on Scale-based Visual Autoregressive Models [26.81493253536486]
  効率的な制御モデル(英語: Efficient Control Model、ECM)は、分散アーキテクチャを介して制御信号を導入する軽量制御モジュールを備えたプラグイン・アンド・プレイフレームワークである。 ECMは、リアルタイムに生成されたトークンと、その限られた容量の利用を最大化するために設計された共有フィードフォワードネットワーク(FFN)を用いて、条件付き機能を洗練する。 提案手法は,既存のベースラインを越えつつ,トレーニングと推論の効率を大幅に向上させるとともに,画像生成に対する高忠実かつ多様な制御を実現する。
  論文  参考訳（メタデータ） (2025-10-07T06:27:03Z)
• ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
  ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。 HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。 計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
  論文  参考訳（メタデータ） (2025-04-16T05:33:42Z)
• PixelPonder: Dynamic Patch Adaptation for Enhanced Multi-Conditional Text-to-Image Generation [24.964136963713102]
  単一制御構造下で複数の視覚条件を効果的に制御できる新しい統一制御フレームワークであるPixelPonderを提案する。 具体的には、サブリージョンレベルで空間的に関連する制御信号を動的に優先順位付けするパッチレベル適応条件選択機構を設計する。 大規模な実験では、PixelPonderがさまざまなベンチマークデータセットにまたがる従来のメソッドを上回ることが示されている。
  論文  参考訳（メタデータ） (2025-03-09T16:27:02Z)
• Growing Q-Networks: Solving Continuous Control Tasks with Adaptive Control Resolution [51.83951489847344]
  ロボット工学の応用において、スムーズな制御信号はシステム摩耗とエネルギー効率を減らすために一般的に好まれる。 本研究では,離散的な動作空間を粗い状態から細かい制御分解能まで拡大することにより,この性能ギャップを埋めることを目的とする。 我々の研究は、値分解とアダプティブ・コントロール・リゾリューションが組み合わさることで、単純な批判のみのアルゴリズムが得られ、連続制御タスクにおいて驚くほど高い性能が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-04-05T17:58:37Z)
• Layout-to-Image Generation with Localized Descriptions using ControlNet with Cross-Attention Control [20.533597112330018]
  レイアウト・ツー・イメージタスクにおけるControlNetの限界を示し、ローカライズされた記述を使えるようにする。 制御性を改善しつつ画像品質を維持するために,新しいクロスアテンション操作法を開発した。
  論文  参考訳（メタデータ） (2024-02-20T22:15:13Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• A Critical Review of Traffic Signal Control and A Novel Unified View of Reinforcement Learning and Model Predictive Control Approaches for Adaptive Traffic Signal Control [0.0]
  この章では、既存の方法論の違いと欠点だけでなく、共通基盤を特定するために、近代ATSCの統一的な視点を提案する。 統一ビューはマルコフ決定プロセスの数学的言語を適用し、世界(確率)とソリューションモデリングの両方の観点からコントローラ設計のプロセスを記述する。
  論文  参考訳（メタデータ） (2022-11-26T01:18:39Z)
• Unsupervised Monocular Depth Learning with Integrated Intrinsics and Spatio-Temporal Constraints [61.46323213702369]
  本研究は,大規模深度マップとエゴモーションを予測可能な教師なし学習フレームワークを提案する。 本結果は,KITTI運転データセットの複数シーケンスにおける現在の最先端技術と比較して,高い性能を示す。
  論文  参考訳（メタデータ） (2020-11-02T22:26:58Z)

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。