論文の概要: On-Orbit Real-Time Wildfire Detection Under On-Board Constraints

• arxiv url: http://arxiv.org/abs/2605.06273v1
• Date: Thu, 07 May 2026 13:47:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.858562
• Title: On-Orbit Real-Time Wildfire Detection Under On-Board Constraints
• Title（参考訳）: オンボード制約下における軌道上実時間ワイルドファイア検出
• Authors: Matthias Rötzer, Veronika Pörtge, Martin Ickerott, Jayendra Praveen Kumar Chorapalli, Dimitri Scheftelowitsch, Max Bereczky, Dmitry Rashkovetsky, Sai Manoj Appalla, Julia Gottfriedsen,
• Abstract要約: 本研究では,9衛星の商業熱赤外星座上での軌道上山火事検出システムについて述べる。 このシステムは、200mのサンプリング距離で、未校正中波赤外線(MWIR)シングルバンド画像で動作する。 そこで本研究では,プロプライエタリな9サテライトMWIRデータセットを用いた軽量密度表現学習の実証的研究を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a deployed system for on-orbit wildfire detection aboard a nine-satellite commercial thermal infrared constellation, operating under demanding joint constraints: sub-megabyte model footprint, sub-150 ms per-batch TensorRT FP16 inference on an NVIDIA Jetson Xavier NX, and an end-to-end alert pipeline targeting under 10 minutes from satellite overpass to fire event communication. The system operates on uncalibrated mid-wave infrared (MWIR) single-band imagery at 200 m ground sampling distance, where fires frequently appear as sub-pixel or single-pixel thermal anomalies under extreme class imbalance -- challenges not addressed by the contextual thermal-thresholding pipelines (MODIS, VIIRS) that currently dominate operational fire monitoring. We present an empirical study of lightweight dense representation learning for this regime using a proprietary nine-satellite MWIR dataset. We compare dense masked autoencoding (DenseMAE) and a hybrid DenseMAE+EMA (exponential moving average) distillation variant, and evaluate representations via linear probing and full-distribution pixel-level average precision (AP) under extreme class imbalance. DenseMAE pretraining enables compact downstream models on the latency-accuracy Pareto frontier: our fastest SSL-pretrained model achieves 0.640 test AP and 0.69 event-level Fire-F1 with 65.34 ms latency per batch and a 0.52 MB engine, without pruning or compression. The best configuration reaches 0.699 AP and 0.744 Fire-F1 below 1 MB, outperforming a supervised baseline (0.650 AP) under comparable constraints.
• Abstract（参考訳）: 我々は,9衛星の商用熱赤外コンステレーション上で,サブメガバイト単位のモデルフットプリント,NVIDIA Jetson Xavier NX上のTensorRT FP16推論,衛星オーバーパスからファイアイベント通信までの10分未満を目標としたエンドツーエンドの警告パイプライン,などの共同制約の下で運用されている,軌道上の山火事検出システムについて述べる。 このシステムは200mの地中サンプリング距離で未調整の中波長赤外線(MWIR)単一バンド画像で機能し、火は極端に不均衡なサブピクセルやシングルピクセルの熱異常として頻繁に現れる。 そこで本研究では,プロプライエタリな9サテライトMWIRデータセットを用いた軽量密度表現学習の実証的研究を行った。 DenseMAEとDenseMAE+EMA(指数移動平均)蒸留変種を比較し,線形探索と全分布画素レベル平均精度(AP)による表現を極度のクラス不均衡下で評価した。 DenseMAEプリトレーニングは、レイテンシ精度のParetoフロンティア上で、コンパクトなダウンストリームモデルを可能にする。我々の最速のSSLプリトレーニングされたモデルは、0.640のテストAPと0.69のイベントレベルFire-F1を実現し、1バッチあたり65.34msのレイテンシと0.52MBのエンジンを、プルーニングや圧縮なしで実現します。 最高の構成は0.699 APと0.744 Fire-F1で1MB以下であり、同じ制約下では教師付きベースライン(0.650 AP)を上回っている。

関連論文リスト

• Edge-Efficient Two-Stream Multimodal Architecture for Non-Intrusive Bathroom Fall Detection [2.669350701173451]
  濡れた浴室環境の滝は、高齢者が一人で生活する大きな安全リスクである。 近年の研究では、mWaveのみ、振動のみ、および既存のマルチモーダルスキームがプライバシー保護、非侵襲的な転倒検出をサポートすることが示されている。 本研究では,長距離移動パターンと床振動の処理を行うMotion-Mambaブランチを用いて,レーダ信号を符号化する2ストリームアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-03-17T18:54:21Z)
• Thermal Image Refinement with Depth Estimation using Recurrent Networks for Monocular ORB-SLAM3 [1.4027589547318842]
  熱画像から深度情報を抽出するパイプラインを提案する。 このネットワークは、軽量な畳み込みバックボーンと熱精錬ネットワーク(T-RefNet)を組み合わせて生熱入力を精錬する。 改良された熱画像と予測深度マップはORB-SLAM3に統合され、熱のみの局在を可能にする。
  論文  参考訳（メタデータ） (2026-03-16T09:02:57Z)
• LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels [49.35636088613484]
  JEPA(Joint Embedding Predictive Architectures)は、コンパクトな潜在空間で世界モデルを学習するための魅力的なフレームワークを提供する。 最初のJEPAであるLeModelWorldを紹介します。 数時間で1つのGPU上で15万のパラメータをトレーニングできるため、LeWMはファンデーションモデルベースの世界モデルよりも48倍高速に計画している。
  論文  参考訳（メタデータ） (2026-03-13T19:48:14Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Detection Fire in Camera RGB-NIR [0.0]
  本報告では,追加のNIRデータセット,2段階検出モデル,Patched-YOLOについて述べる。 人工照明による偽陽性を低減しつつ夜間火災検知精度を向上させるため, YOLOv11とEfficientNetV2-B0を組み合わせた2段階パイプラインを提案する。 最後に,RGB画像,特に小・遠距離物体の火災検出を改善するために,Patched-YOLOを導入する。
  論文  参考訳（メタデータ） (2025-12-29T16:48:24Z)
• PyroFocus: A Deep Learning Approach to Real-Time Wildfire Detection in Multispectral Remote Sensing Imagery [0.0]
  迅速かつ正確な山火事検出は、緊急対応と環境管理に不可欠である。 空中飛行と宇宙飛行のミッションでは、リアルタイムアルゴリズムは火災、活動的な火災、および発射後の条件を区別しなければならない。 火の分類を行い,火の放射力(FRP)レグレッションやセグメンテーションを施した2段パイプラインであるPyroFocusを導入する。
  論文  参考訳（メタデータ） (2025-12-02T21:59:45Z)
• Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
  既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。 我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。 FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
  論文  参考訳（メタデータ） (2024-08-13T04:33:23Z)
• An FPGA smart camera implementation of segmentation models for drone wildfire imagery [0.9837190842240352]
  森林火災は、様々な社会的・環境レベルへの影響から、世界有数の自然災害の1つとなっている。 ファイアファイアファイアの最も有望なアプローチの1つは、リモートで検出、監視、延焼評価を行うために可視・赤外線カメラを備えたドローンを使用することである。 本研究では,低消費電力フィールドプログラマブルゲートアレイ(FPGA)とバイナライズニューラルネットワーク(BNN)に基づくスマートカメラが,エッジ上でのオンボードコンピューティングの実装において,コスト効率のよい代替手段であることを示す。
  論文  参考訳（メタデータ） (2023-09-04T02:30:14Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
  証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。 本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
  論文  参考訳（メタデータ） (2020-06-30T23:33:17Z)

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。