Fugu-MT 論文翻訳(概要): Principal Component Analysis for Lunar Crater Detection

論文の概要: Principal Component Analysis for Lunar Crater Detection

arxiv url: http://arxiv.org/abs/2605.17125v1
Date: Sat, 16 May 2026 19:06:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 17:57:47.696014
Title: Principal Component Analysis for Lunar Crater Detection
Title（参考訳）: 月面クレーター検出のための主成分分析
Authors: Travis Driver, John A. Christian,
Abstract要約: 本稿では,クレーター標高図の主成分分析に基づく自動クレーターテンプレート生成手法を提案する。シミュレーション画像上で手書きテンプレートと比較して優れた検出と位置推定性能を示す。
参考スコア（独自算出の注目度）: 0.42970700836450476
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Optical navigation is a critical component for lunar orbiter and lander missions. Image-based crater identification has emerged as a promising technology for optical navigation due to the abundance of craters on the lunar surface and the availability of extensive crater catalogs. Moreover, due to the relative morphological homogeneity among lunar craters, template matching has been identified as a promising approach for identification. In this paper, we propose EigenCrater, an automated crater template generation method based on principal component analysis of crater digital elevation maps (DEMs). We demonstrate superior detection and position estimation performance relative to hand-picked templates on simulated lunar imagery.
Abstract（参考訳）: 光航法は月周回機や着陸機にとって重要な要素である。画像に基づくクレーターの識別は、月面にクレーターが豊富にあることと、大規模なクレーターカタログが利用可能であることから、光ナビゲーションの有望な技術として浮上している。さらに、月のクレーターの相対的な形態的均質性から、テンプレートマッチングは同定に有望なアプローチであると認識されている。本稿では,クレーターデジタル標高マップ(DEM)の主成分分析に基づく自動クレーターテンプレート生成手法であるEigenCraterを提案する。シミュレーション画像上で手書きテンプレートと比較して優れた検出と位置推定性能を示す。

関連論文リスト

LunarDepthNet: Generation of Digital Elevation Models using Deep Learning and Monocular Satellite Images [0.40228234427513104]
本研究では,表面の単眼画像から直接表面標高マップを推定し,生成する新しい深層学習手法を提案する。 Chandrayaan-2 Terrain Mapping Camera (TMC)画像と対応するDigital Terrain Models (DTM)画像からなるデータセット。
論文参考訳（メタデータ） (2026-04-22T06:16:13Z)
Vision-Language Model for Accurate Crater Detection [2.6038033465934083]
欧州宇宙機関(ESA)は、クレーターが月面着陸の危険を冒すため、信頼できるクレーター検出に深い関心を持っている。様々な大きさや形状のクレーターが大量にあることや、照明や凹凸のある地形の変化などの困難な条件のため、これは自明ではない。本稿では,OWLv2モデルに基づくディープラーニングクレーター検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2026-01-12T18:08:17Z)
Deep learning framework for crater detection and identification on the Moon and Mars [3.0223880754806514]
衝突クレーターは、惑星の表面組成、地質学的履歴、衝突過程に関する重要な情報を提供する。本稿では,衝突クレーターの検出と同定にディープラーニングモデルを適用した。畳み込みニューラルネットワーク(CNN)やYOLOやResNetなど,新しいモデルを用いています。
論文参考訳（メタデータ） (2025-08-05T21:29:34Z)
LunarLoc: Segment-Based Global Localization on the Moon [52.418394025548295]
GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。 LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
論文参考訳（メタデータ） (2025-06-20T12:06:47Z)
SHIC: Shape-Image Correspondences with no Keypoint Supervision [106.99157362200867]
正準曲面マッピングは、オブジェクトの各ピクセルを3Dテンプレートの対応する点に割り当てることで、キーポイント検出を一般化する。人間の分析のためにDensePoseによって人気を得た著者は、この概念をより多くのカテゴリに適用しようと試みている。そこで本研究では,手動による指導を伴わない標準地図学習手法ShiCを紹介し,ほとんどのカテゴリにおいて教師付き手法よりも優れた結果が得られることを示す。
論文参考訳（メタデータ） (2024-07-26T17:58:59Z)
Automatic Crater Shape Retrieval using Unsupervised and Semi-Supervised Systems [9.088303226909277]
本稿では,教師なし非深層学習と半教師付き深層学習の組み合わせを提案する。教師なしの非深度学習では,クレーターの形状を抽出する適応的なリム抽出アルゴリズムが提案されている。抽出されたクレーターの形状は、半教師付き深層学習において、位置、大きさ、精製された形状を取得するために使用される。
論文参考訳（メタデータ） (2022-11-03T16:16:29Z)
Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
論文参考訳（メタデータ） (2022-03-26T20:10:38Z)
Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文参考訳（メタデータ） (2022-02-22T15:39:00Z)
ME-PCN: Point Completion Conditioned on Mask Emptiness [50.414383063838336]
メインストリーム法は入力点クラウドから学んだグローバルな特徴を復号することで、欠落した形状を予測する。本稿では,3次元形状空間における空度を利用した点完備ネットワークME-PCNを提案する。
論文参考訳（メタデータ） (2021-08-18T15:02:27Z)
CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文参考訳（メタデータ） (2021-06-20T08:20:56Z)
Lunar Crater Identification in Digital Images [0.0]
しばしば、月面の単一の画像で観測されたクレーターのパターンを特定する必要がある。このいわゆる「ロスト・イン・スペース」クレーターの識別問題は、クレーターベースの相対航法(TRN)と科学画像の自動登録の両方で一般的である。この研究は、一般的なクレーター同定問題の数学的に厳密な扱いを初めて提供する。
論文参考訳（メタデータ） (2020-09-02T17:59:51Z)

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。