Fugu-MT 論文翻訳(概要): Vision-Based Water Level and Flow Estimation

論文の概要: Vision-Based Water Level and Flow Estimation

arxiv url: http://arxiv.org/abs/2605.14645v1
Date: Thu, 14 May 2026 10:01:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-15 21:45:34.768572
Title: Vision-Based Water Level and Flow Estimation
Title（参考訳）: 視覚に基づく水位と流量推定
Authors: ZhiXin Sun,
Abstract要約: 水位と河川表面の速度推定のための視覚的手法は、かなり成熟した。これらの技術は、優れた解釈可能性、自動化されたデータアーカイブ、強化されたシステムの堅牢性を提供する。本研究は,最先端のビジョンモデルと統計的モデリングを併用する統合フレームワークを提案する。
参考スコア（独自算出の注目度）: 4.484170173286332
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: With the rapid evolution of computer vision, vision-based methodologies for water level and river surface velocity estimation have reached significant maturity. Compared to traditional sensing, these techniques offer superior interpretability, automated data archiving, and enhanced system robustness. However, challenges such as environmental sensitivity, limited precision, and complex site calibration persist. This work proposes an integrated framework that synergizes state-of-the-art (SOTA) vision models with statistical modeling. By leveraging physical priors and robust filtering strategies, we improve the accuracy of water level detection and flow estimation. Code will be available at https://github.com/sunzx97/Vision_Based_Water_Level_and_Flow_Estimation.git
Abstract（参考訳）: コンピュータビジョンの急速な進化に伴い、水位と河面速度推定のための視覚ベースの手法が大きな成熟を遂げた。従来のセンシングと比較して、これらの技術は優れた解釈可能性、自動データアーカイブ、強化されたシステムの堅牢性を提供する。しかし、環境感度、限られた精度、複雑なサイトキャリブレーションといった課題は継続する。本研究では,最新技術(SOTA)ビジョンモデルと統計的モデリングを併用する統合フレームワークを提案する。水位検出と流量推定の精度を向上させるために, 物理的先行とロバストなフィルタリング戦略を活用する。コードはhttps://github.com/sunzx97/Vision_Based_Water_Level_and_Flow_Estimation.gitで入手できる。

関連論文リスト

Enhancing Eye Feature Estimation from Event Data Streams through Adaptive Inference State Space Modeling [68.1289208938377]
イベントベースのデータストリームから目の特徴抽出を効率的かつ低エネルギーで行うことができる。本稿では,特徴抽出のための新しいアーキテクチャである強調型推論状態空間モデル(AISSM)を紹介する。また、トレーニング効率を向上させる新しい学習手法を開発・評価する。
論文参考訳（メタデータ） (2026-03-14T18:47:08Z)
HydroVision: Predicting Optically Active Parameters in Surface Water Using Computer Vision [0.4893896929103368]
この研究は、光学活性な水質パラメータを推定する深層学習に基づくシーン分類フレームワークを導入する。このモデルは、アメリカ地質調査所から収集された50万枚以上の季節変動画像に基づいて訓練されている。 DenseNet121は、CDOMの予測におけるR2スコア0.89という高いバリデーション性能を達成し、現実世界の水質モニタリングに対するフレームワークの約束を実証している。
論文参考訳（メタデータ） (2025-09-02T02:12:52Z)
Embedding Trust at Scale: Physics-Aware Neural Watermarking for Secure and Verifiable Data Pipelines [0.0]
我々は科学的データ整合性のための堅牢なニューラルネットワーク透かしフレームワークを提案する。畳み込みオートエンコーダを用いることで、二元メッセージは温度、渦、地磁気といった構造データに不可視的に埋め込まれる。提案手法は,ERA5データセットとNavier-Stokesデータセット間で,98%の精度と視覚的に識別不能な再構成を実現する。
論文参考訳（メタデータ） (2025-05-22T21:14:45Z)
Learning Underwater Active Perception in Simulation [51.205673783866146]
タービディティは、検査された構造物の正確な視覚的記録を阻止する可能性があるため、ミッション全体を危険に晒す可能性がある。従来の研究は、濁度や後方散乱に適応する手法を導入してきた。本研究では, 広範囲の水環境下での高品質な画像取得を実現するための, 単純かつ効率的なアプローチを提案する。
論文参考訳（メタデータ） (2025-04-23T06:48:38Z)
Automated Flow Pattern Classification in Multi-phase Systems Using AI and Capacitance Sensing Techniques [0.9374652839580183]
本研究では,従来の技術と比較して,容量センサとAI駆動型分類手法を統合した新しいプラットフォームを提案する。実験の結果,提案手法は1D SENet深層学習モデルを用いて,実験ベースデータセットでは85%以上の精度,パターンベースデータセットでは71%以上の精度を実現している。この作業は、リアルタイムフロー監視と予測モデリングのためのトランスフォーメーションパスを提供し、産業アプリケーションにおける重要な課題に対処する。
論文参考訳（メタデータ） (2025-02-23T04:11:29Z)
PIGUIQA: A Physical Imaging Guided Perceptual Framework for Underwater Image Quality Assessment [59.9103803198087]
水中画像品質評価(UIQA)のための物理画像ガイド型知覚フレームワークを提案する。水中放射移動理論を応用して、物理に基づく画像推定を統合して、これらの歪みの定量的な測定値を確立する。提案モデルは,画像品質のスコアを正確に予測し,最先端の性能を実現する。
論文参考訳（メタデータ） (2024-12-20T03:31:45Z)
Water quality polluted by total suspended solids classified within an Artificial Neural Network approach [0.0]
懸濁液による水質汚染は、環境と健康に重大なリスクをもたらす。これらの課題に対処するために, 全懸濁固体から水質の包括的データセットを活用するモデルを開発した。畳み込みニューラルネットワークは, 異なる懸濁液濃度に対応するデータを用いて, 伝達学習手法で訓練された。
論文参考訳（メタデータ） (2024-10-19T01:33:08Z)
Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文参考訳（メタデータ） (2024-10-08T10:35:32Z)
Salient Sparse Visual Odometry With Pose-Only Supervision [45.450357610621985]
視覚計測(VO)は自律システムのナビゲーションに不可欠である。従来のVOメソッドは、可変照明や動きのぼやけといった課題に対処する。ディープラーニングベースのVOは、より適応性が高いが、新しい環境での一般化問題に直面する可能性がある。本稿では,ポーズのみの監視を生かした新しいハイブリッド・ビジュアル・オドメトリー(VO)フレームワークを提案する。
論文参考訳（メタデータ） (2024-04-06T16:48:08Z)
Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文参考訳（メタデータ） (2022-02-23T13:38:31Z)
Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。