論文の概要: WATCH: Wide-Area Archaeological Site Tracking for Change Detection

• arxiv url: http://arxiv.org/abs/2605.08160v1
• Date: Mon, 04 May 2026 12:35:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.408202
• Title: WATCH: Wide-Area Archaeological Site Tracking for Change Detection
• Title（参考訳）: WATCH: 変更検出のための広域考古学遺跡追跡
• Authors: Girmaw Abebe Tadesse, Titien Bartette, Andrew Hassanali, Allen Kim, Jonathan Chemla, Andrew Zolli, Yves Ubelmann, Caleb Robinson, Inbal Becker-Reshef, Juan Lavista Ferres,
• Abstract要約: 考古学遺跡を大規模にモニタリングすることは文化遺産の保護に不可欠であるが、乱れが生じた場合の指摘は依然として困難である。 我々は,PlanetScope衛星モザイク上での月ごとの変化イベントローカライズのためのフレームワークであるWATCHを紹介する。 WATCHをアフガニスタンの1,943の考古学遺跡に6つの基礎モデルの埋め込みを用いてベンチマークした。
• 参考スコア（独自算出の注目度）: 6.328778011578591
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring archaeological sites at scale is vital for protecting cultural heritage, yet pinpointing when disturbances occur remains difficult because visual cues are subtle and ground-truth data are sparse. We introduce WATCH, a framework for month-level change-event localization over PlanetScope satellite mosaics (2017-2024, 4.7 m/px) that supports three complementary scoring approaches: (i) Temporal Embedding Distance (TED), a training-free method that scores month-to-month deviations from a local temporal reference; (ii) Self-Supervised Change Detection (SSCD), an ensemble of reconstruction, forecasting, and latent-novelty signals; and (iii) a Weakly Supervised (WS) temporal localization model trained with sparse event-month labels. We benchmark WATCH on 1,943 archaeological sites in Afghanistan using embeddings from six foundation models (CLIP, GeoRSCLIP, SatMAE, Prithvi-EO-2.0, DINOv3, and Satlas-Pretrain) alongside a handcrafted spectral and texture baseline, and assess cross-regional generalization on sites in Syria, Turkey, Pakistan, and Egypt. The unsupervised approaches (TED, SSCD) consistently outperform the weakly supervised alternative. TED with SatMAE achieves the highest exact-month recall (55% at m=0), while TED with GeoRSCLIP, CLIP, or Satlas-Pretrain reaches 92.5% within a three-month tolerance (m=3). Handcrafted features remain competitive for exact-month detection under weak supervision. Our directional margin analysis reveals systematic temporal biases: SSCD paired with GeoRSCLIP or Prithvi-EO-2.0 exhibits the strongest early-warning profile, detecting anomalies before the recorded event, while TED favors confirmation-oriented detection after a change has materialized. These results show that satellite imagery combined with foundation-model embeddings enables scalable, decision-relevant heritage monitoring. Code: https://github.com/microsoft/WATCH
• Abstract（参考訳）: 考古学的遺跡を大規模にモニタリングすることは文化遺産の保護に不可欠であるが、視覚的手がかりが微妙であり、地味なデータは乏しいため、乱の発生の特定は依然として困難である。 WATCHは3つの相補的なスコアリング手法をサポートするPlanetScope衛星モザイク(2017-2024, 4.7 m/px)上での月レベルの変更イベントローカライズのためのフレームワークである。 一 時間的基準から月毎の偏差を採点する訓練自由度法(TED) (二)自己監視変化検出(SSCD)、再建、予測、潜時ノイズ信号のアンサンブル (iii) スパースイベント月ラベルで訓練した微弱監視(WS)時間的ローカライゼーションモデル。 We benchmark WATCH on 1,943 archaeological sites in Afghanistan using embeddedds from six foundation model (CLIP, GeoRSCLIP, SatMAE, Prithvi-EO-2.0, DINOv3, Satlas-Pretrain) along on a handcrafted spectrum and texture baseline, and evaluation cross- Regional generalization on the sites on Syria, Turkey, Pakistan, Egypt。 教師なしアプローチ(TED, SSCD)は、弱教師付きアプローチよりも一貫して優れています。 TED with SatMAEは55%(m=0)、TED with GeoRSCLIP, CLIP, Satlas-Pretrainは92.5%(m=3)である。 手工芸品は、弱い監督下で正確な月検出のために競争力を維持している。 SSCDとGeoRSCLIPまたはPrithvi-EO-2.0を併用すると、記録イベント前の異常を検出できる最強の早期警戒プロファイルが示され、TEDでは変化が実現した後の確認指向検出が好まれる。 これらの結果は、衛星画像と基礎モデル埋め込みを組み合わせることで、スケーラブルで意思決定に関係のある遺産モニタリングが可能になることを示している。 コード:https://github.com/microsoft/WATCH

関連論文リスト

• Reducing the labeling burden in time-series mapping using Common Ground: a semi-automated approach to tracking changes in land cover and species over time [0.0]
  我々は、時間ステップt0のみから参照データにアクセス可能なモデルが、t0と将来の時間ステップt1の両方で競合的に実行可能であることを示す。 この結果は、初期時間ステップ t0 を超えて参照ラベルを手動で更新する必要なく、効果的な時間的一般化を実現することができることを示唆している。
  論文  参考訳（メタデータ） (2026-02-04T09:49:36Z)
• Anomaly detection in satellite imagery through temporal inpainting [28.023703674946223]
  深層学習は,衛星時系列の時間的冗長性を利用して,前例のない感度で異常を検出することができることを示す。 我々はSATLAS基礎モデル上に構築された塗装モデルをトレーニングし、Sentinel-2時系列の最後のフレームを再構築する。 急激な表面変化に影響を受ける領域に適用すると、予測と観測の相違により、従来の変化検出手法が見逃す異常が明らかになる。
  論文  参考訳（メタデータ） (2025-12-30T04:58:13Z)
• Needles in the Landscape: Semi-Supervised Pseudolabeling for Archaeological Site Discovery under Label Scarcity [0.3957768262206626]
  考古学的予測モデルでは、既知の場所を環境、文化、地理空間変数と組み合わせることで、未発見の場所が発生する可能性がある。 深層学習アプローチを用いてこの問題に対処するが、考古学に固有の構造的ラベルの不足と競合しなければならない。 以上の結果から,半教師あり学習は,未発見の場所を,広範に注釈付きで特定する上で,有望なアプローチであることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-19T12:54:38Z)
• A Deep Learning Architecture for Land Cover Mapping Using Spatio-Temporal Sentinel-1 Features [1.907072234794597]
  この研究は、アマゾン、アフリカ、シベリアの3つの異なる地域に焦点を当て、これらの地域の様々なエコリージョンにおけるモデルパフォーマンスを評価する。 その結果,訓練データに制限のある地域においても,総合的精度(O.A.)の達成における提案手法の有効性と能力が示された。
  論文  参考訳（メタデータ） (2025-03-10T12:15:35Z)
• Implicit neural representation for change detection [15.741202788959075]
  点雲の変化を検出する最も一般的なアプローチは、教師付き手法に基づいている。 Inlicit Neural Representation (INR) for continuous shape reconstruction と Gaussian Mixture Model for categorising change の2つのコンポーネントからなる教師なしアプローチを提案する。 本手法を都市スプロールのためのシミュレーションLiDAR点雲からなるベンチマークデータセットに適用する。
  論文  参考訳（メタデータ） (2023-07-28T09:26:00Z)
• Contracting Skeletal Kinematics for Human-Related Video Anomaly Detection [43.72042594414675]
  COSKADは、人間の骨格の動きをグラフ畳み込みネットワークによって符号化する新しいモデルである。 ビデオ異常検出のために、SKeletal埋め込みを最小体積の潜在超球面に抽出する。 すべての変種は、最新のUBnormalデータセットで最先端のデータセットを上回っている。
  論文  参考訳（メタデータ） (2023-01-23T15:32:27Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)

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。