論文の概要: ELDOR: A Dataset and Benchmark for Illegal Gold Mining in the Amazon Rainforest
- arxiv url: http://arxiv.org/abs/2605.15397v1
- Date: Thu, 14 May 2026 20:30:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 03:45:13.137417
- Title: ELDOR: A Dataset and Benchmark for Illegal Gold Mining in the Amazon Rainforest
- Title（参考訳）: ELDOR:アマゾン熱帯雨林における違法金鉱業のデータセットとベンチマーク
- Authors: Kangning Cui, Surendra Bohara, Suraj Prasai, Zishan Shao, Wei Tang, Martin Pillaca, Edwin Flores, Zhen Yang, Gregory Larsen, Evan Dethier, David Lutz, Jean-Michel Morel, Miles Silman, Victor Pauca, Fan Yang,
- Abstract要約: アマゾン熱帯雨林の違法な金採掘は森林破壊、水汚染、長期生態系破壊を引き起こす。
衛星画像は大規模な観測をサポートするが、小さな鉱業関連の構造と微妙な土地被覆遷移を見逃すことが多い。
熱帯雨林における違法な金鉱業の環境・景観変動をモニタリングするための大規模UAVベンチマークであるEDLDORを紹介する。
- 参考スコア（独自算出の注目度）: 14.425324712699913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Illegal gold mining in the Amazon rainforest causes deforestation, water contamination, and long-term ecosystem disruption, yet remains difficult to monitor at fine spatial scales. Satellite imagery supports large-scale observation, but often misses small mining-related structures and subtle land-cover transitions, especially under frequent cloud cover. We introduce ELDOR, a large-scale UAV benchmark for monitoring environmental and landscape disturbance from illegal gold mining in the rainforest. ELDOR contains manually annotated orthomosaic imagery covering over 2,500 hectares, with pixel-level semantic labels for both mining-related activities and surrounding ecological structures. With this unified annotation source, we establish four benchmark tasks: semantic segmentation, segmentation-derived recognition, direct multi-label classification, and class-presence recognition with vision-language models. Across these tasks, we compare generic and remote-sensing-specific segmentation models, vision foundation model-related segmentation methods, direct multi-label classification methods, and vision-language models under a controlled closed-set protocol. Results show that current methods still struggle with rare small-scale mining structures and fine-grained recovery classes, suggesting the need for context-aware and multimodal modeling. To support domain analysis and practical use, we further build an interactive explorer for domain experts that provides a unified interface for data exploration and model inference.
- Abstract（参考訳）: アマゾン熱帯雨林の違法な金採掘は森林破壊、水汚染、長期生態系の破壊を引き起こすが、細かな空間スケールで監視することは困難である。
衛星画像は大規模な観測をサポートするが、しばしば小さな鉱業関連の構造と微妙な土地被覆の遷移を見逃す。
熱帯雨林における違法な金鉱業の環境・景観変動をモニタリングするための大規模UAVベンチマークであるEDLDORを紹介する。
ELDORは2500ヘクタール以上をカバーし、鉱業関連の活動と周辺の生態構造の両方をピクセルレベルのセマンティックラベルで手動でアノテートしたオルソモザイク画像を含んでいる。
この統一アノテーション源を用いて、セグメンテーション、セグメンテーション由来の認識、直接多ラベル分類、視覚言語モデルを用いたクラスプレゼンス認識の4つのベンチマークタスクを確立する。
これらのタスク全体にわたって、制御されたクローズドセットプロトコルの下で、ジェネリックおよびリモートセンシング固有のセグメンテーションモデル、ビジョン基礎モデル関連セグメンテーション方法、ダイレクトマルチラベル分類方法、ビジョン言語モデルを比較した。
以上の結果から,現在の手法は依然として希少な小規模な鉱業構造や細粒度回復クラスに苦慮していることが明らかとなり,文脈認識とマルチモーダルモデリングの必要性が示唆された。
ドメイン分析と実践的利用をサポートするため、我々はさらに、データ探索とモデル推論のための統一インターフェースを提供するドメインエキスパートのためのインタラクティブなエクスプローラーを構築します。
関連論文リスト
- RareSpot+: A Benchmark, Model, and Active Learning Framework for Small and Rare Wildlife in Aerial Imagery [9.37940568498261]
RareSpot+は、マルチスケールの一貫性学習、コンテキスト認識の強化、地理的にガイドされたアクティブラーニングを統合する、検出フレームワークである。
2 km2の航空データセットでは、RareSpot+はmAP@50を+35.2%(絶対+0.13)で検出する。
アクティブラーニングモジュールは、未ラベルタイルのわずか1.7%のアノテーション予算を使用して、プレーリードッグAPをさらに14.5%向上させる。
論文 参考訳（メタデータ） (2026-04-21T21:18:02Z) - Harmonizing the Deep: A Unified Information Pipeline for Robust Marine Biodiversity Assessment Across Heterogeneous Domains [0.769971486557519]
この研究は、北極と大西洋の海洋生態系を対象とする多年にわたる侵略的な種モニタリングイニシアチブの基礎的な検出層を確立する。
異種データセットを同等の情報フローに標準化する統一情報パイプラインを開発した。
シーン構成やオブジェクト密度,コンテキスト冗長性などの構造的要因から,ドメイン間の性能損失が説明できる。
論文 参考訳（メタデータ） (2026-01-20T13:51:55Z) - TerraFM: A Scalable Foundation Model for Unified Multisensor Earth Observation [65.74990259650984]
本研究では,グローバルに分散したSentinel-1とSentinel-2画像を利用する,スケーラブルな自己教師型学習モデルTerraFMを紹介する。
我々のトレーニング戦略は、局所的・言語的コントラスト学習を統合し、二重中心化機構を導入する。
TerraFMは分類タスクとセグメンテーションタスクの両方において強力な一般化を実現し、GEO-BenchとCopernicus-Benchの先行モデルよりも優れている。
論文 参考訳（メタデータ） (2025-06-06T17:59:50Z) - EarthMind: Leveraging Cross-Sensor Data for Advanced Earth Observation Interpretation with a Unified Multimodal LLM [103.7537991413311]
地球観測(EO)データ分析は、環境と人間の動態のモニタリングに不可欠である。
最近のMultimodal Large Language Models (MLLM) は、EO理解の可能性を秘めているが、シングルセンサー入力に限定されている。
我々は、シングルセンサーとクロスセンサーの両方の入力を処理する統合視覚言語フレームワークであるEarthMindを提案する。
論文 参考訳（メタデータ） (2025-06-02T13:36:05Z) - SegEarth-R1: Geospatial Pixel Reasoning via Large Language Model [61.97017867656831]
暗黙的な問合せと推論を可能にし,対象領域のマスクを生成する新しいタスク,すなわち地理空間的画素推論を導入する。
我々は,5,434枚の手動アノテート画像マスクと3万枚以上の暗黙的な質問応答ペアからなる,EarthReasonという,最初の大規模ベンチマークデータセットを構築し,リリースする。
SegEarth-R1は、推論タスクと参照セグメンテーションタスクの両方で最先端のパフォーマンスを実現し、従来のLCMベースのセグメンテーション手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2025-04-13T16:36:47Z) - MiTREE: Multi-input Transformer Ecoregion Encoder for Species Distribution Modelling [2.3776390335270694]
我々は、エコリージョンエンコーダを備えたマルチインプット・ビジョン・トランスフォーマー・モデルであるMiTREEを紹介する。
夏期と冬期のサットバードデータセットを用いて,鳥種の出現率を予測することを目的として,本モデルの評価を行った。
論文 参考訳（メタデータ） (2024-12-25T22:20:47Z) - AnySat: One Earth Observation Model for Many Resolutions, Scales, and Modalities [5.767156832161819]
本稿では,JEPAとスケール適応型空間エンコーダに基づくマルチモーダルモデルであるAnySatを提案する。
この統一アプローチの利点を実証するため、異なる特徴を持つ5つのマルチモーダルデータセットの集合であるGeoPlexをコンパイルする。
次に、これらの多様なデータセット上で、単一の強力なモデルを同時にトレーニングします。
論文 参考訳（メタデータ） (2024-12-18T18:11:53Z) - GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks [84.86699025256705]
本稿では,地理空間的タスクの視覚言語モデル(VLM)を評価するためのベンチマークであるGEOBench-VLMを提案する。
私たちのベンチマークでは、手動で検証された命令が1万以上あり、さまざまな視覚条件、オブジェクトタイプ、スケールにまたがっています。
地理空間固有の課題における性能を評価するために,いくつかの最先端のVLMを評価した。
論文 参考訳（メタデータ） (2024-11-28T18:59:56Z) - Enhancing Ecological Monitoring with Multi-Objective Optimization: A Novel Dataset and Methodology for Segmentation Algorithms [17.802456388479616]
オーストラリア, ニューサウスウェールズ州ベガバレーで, 外来種および外来種を捉えた6,096個の高分解能空中画像のユニークなセマンティックセマンティックセマンティクスデータセットを導入した。
このデータセットは、草種の重複と分布のため、困難な課題を示す。
データセットとコードは公開され、コンピュータビジョン、機械学習、生態学の研究を促進することを目的としている。
論文 参考訳（メタデータ） (2024-07-25T18:27:27Z) - Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。
この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。
セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
論文 参考訳（メタデータ） (2024-04-16T17:38:26Z) - SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。
我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文 参考訳（メタデータ） (2024-03-25T10:30:22Z)
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。