論文の概要: ImplicitTerrainV2: Wavelet-Guided Spatially Adaptive Neural Terrain Representation
- arxiv url: http://arxiv.org/abs/2605.22556v1
- Date: Thu, 21 May 2026 14:39:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.303576
- Title: ImplicitTerrainV2: Wavelet-Guided Spatially Adaptive Neural Terrain Representation
- Title（参考訳）: ImplicitTerrainV2: Wavelet-Guided spatially Adaptive Neural Terrain Representation
- Authors: Haoan Feng, Xin Xu, Leila De Floriani,
- Abstract要約: ImplicitTerrainV2は、スペクトル制御機構とウェーブレット誘導空間適応性、微分認識監視、訓練後のモデル圧縮を組み合わせる。
50個のスイスの地形タイルでは、ImplicitTerrainV2は66.25dBのエンドツーエンドPSNRに達し、以前の作業よりも5.70dB向上し、パラメータは3.2倍減少し、1つのGPU上で55秒のトレーニングを行う。
- 参考スコア（独自算出の注目度）: 10.658180726482119
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital elevation models (DEMs) underpin terrain analysis in Geographic Information Systems (GIS), but in their common raster form, they rely on interpolation for off-grid sampling and finite-difference operators for derivative-based analysis. Implicit neural representations (INRs) offer a continuous alternative, but prior terrain INRs lack explicit frequency control, neglect the gradient structure of terrain, and remain too large and costly to train for practical deployment. We present ImplicitTerrainV2, which advances terrain INRs toward a compact, efficient neural terrain data format by combining a spectral control mechanism with wavelet-guided spatial adaptivity, derivative-aware supervision, and post-training model compression. At its core, a wavelet complexity field (WCF) derives spatially-adaptive frequency masks from analytically computed wavelet coefficients, localizing high-frequency capacity to complex terrain regions. The same field guides complexity-aware adaptive sampling that concentrates training in high-complexity regions, while gradient matching applies extra supervision to enforce the smooth manifold structure of terrain DEMs for improved derivative fidelity. Post-training mixed-precision quantization and entropy coding reduce storage to 1.23 bpp with a 0.28 dB PSNR drop. On 50 Swiss terrain tiles, ImplicitTerrainV2 reaches 66.25 dB end-to-end PSNR, improving over the prior work by 5.70 dB while using 3.2x fewer parameters and training in 55 s per tile on a single GPU. Our compressed neural format is competitive with several established DEM codecs in rate-distortion performance, while additionally supporting off-grid point queries, closed-form derivative evaluation, and resolution-independent reconstruction, which may benefit many downstream GIS applications.
- Abstract（参考訳）: デジタル標高モデル(DEM)は、地理情報システム(GIS)における地形解析の基盤となっているが、一般的なラスタ形式では、オフグリッドサンプリングの補間と微分解析の有限差分演算子に依存している。
入射神経表現(INR)は連続的な代替手段を提供するが、以前の地形INRは明確な周波数制御がなく、地形の勾配構造を無視し、実用展開のために訓練するには大きすぎてコストがかかりすぎる。
本稿では、スペクトル制御機構とウェーブレット誘導空間適応性、微分認識監視、学習後モデル圧縮を組み合わせることで、地形INRをコンパクトで効率的なニューロ地形データ形式に進化させるImplicitTerrainV2を提案する。
その中心となるウェーブレット複雑性場(WCF)は、解析的に計算されたウェーブレット係数から空間適応的な周波数マスクを導出し、高周波容量を複雑な地形領域に局在させる。
同じフィールドは、高複雑さ領域でのトレーニングに集中する複雑性対応適応サンプリングを導出する一方、勾配マッチングは、微分忠実度を改善するために地形DEMの滑らかな多様体構造を強制するために余分な監督を与える。
訓練後の混合精度量子化とエントロピー符号化により、ストレージは1.23bppに減少し、PSNRは0.28dBとなった。
50個のスイスの地形タイルでは、ImplicitTerrainV2は66.25dBのエンドツーエンドPSNRに達し、以前の作業よりも5.70dB向上し、パラメータは3.2倍減少し、1つのGPU上で55秒のトレーニングを行う。
我々の圧縮ニューラルフォーマットは、レート歪み性能において確立されたDEMコーデックと競合する一方で、オフグリッドポイントクエリ、クローズドフォームデリバティブ評価、解像度に依存しない再構成をサポートし、多くの下流GISアプリケーションに恩恵をもたらす可能性がある。
関連論文リスト
- SAND: Spatially Adaptive Network Depth for Fast Sampling of Neural Implicit Surfaces [91.71563221166417]
入射神経表現は幾何学的モデリングには強力であるが、その実用性は高い計算コストによって制限されることが多い。
本稿では,空間適応型ネットワーク深度を用いた効率的なニューラル暗黙的幾何表現フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T14:14:17Z) - Compressive sensing inspired self-supervised single-pixel imaging [48.79613794195208]
SISTA-Netは、単画素イメージングのための圧縮センシングインスパイアされた自己教師方式である。
我々は、適応スパース変換と学習可能なソフトスレッショルド演算子を組み合わせることで、潜伏領域に明示的な物理的間隔を課すために、ディープ非線形ネットワークを利用する。
複数のシミュレーションシナリオの実験では、SISTA-NetはPSNRの2.6dBで最先端の手法より優れていた。
論文 参考訳（メタデータ） (2026-03-31T13:31:43Z) - Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。
合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善
DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文 参考訳（メタデータ） (2026-02-03T23:38:05Z) - Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。
適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。
我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2025-11-23T14:47:24Z) - ReVeal-MT: A Physics-Informed Neural Network for Multi-Transmitter Radio Environment Mapping [9.43653276377036]
本稿では,マルチソースPDE残基をニューラルネットワーク損失関数に統合した新しいPINNであるemphReVeal-MTを提案する。
ReVeal-MTは、農耕地や郊外の環境にまたがるARA無線リビングラボからの実測値を用いて検証されている。
その結果,ReVeal-MTはマルチトランスミッタのシナリオでかなりの精度のゲインが得られることがわかった。
論文 参考訳（メタデータ） (2025-11-22T23:33:06Z) - FieldFormer: Physics-Informed Transformers for Spatio-Temporal Field Reconstruction from Sparse Sensors [4.027064713296126]
本研究では、メッシュフリー時間フィールド再構築のためのトランスフォーマーベースのフレームワークであるFieldFormerを紹介する。
各クエリに対して、FieldFormerは学習可能なベロシティスケール距離メトリックを使用して、ローカルエリアを収集する。
本研究では,フィールドフォーマーの精度(RMSE$10-2$)と,スパース(0.4%-2%)とノイズ(10%)データから効率よく,物理的に一貫したフィールド再構成を可能にすることを示す。
論文 参考訳（メタデータ） (2025-10-04T00:37:28Z) - SDTN and TRN: Adaptive Spectral-Spatial Feature Extraction for Hyperspectral Image Classification [1.2871580250533408]
ハイパースペクトル画像分類は、精密農業において重要な役割を担い、作物の健康モニタリング、病気の検出、土壌分析に関する正確な洞察を提供する。
従来の手法は高次元データ、スペクトル空間の冗長性、ラベル付きサンプルの不足に悩まされ、しばしば準最適性能に繋がる。
これらの課題に対処するために,テンソル分解と正規化機構を組み合わせた自己適応正規化ネットワーク(SDTN)を提案し,テンソルランクを動的に調整する。
このアプローチは、高い分類精度を維持するだけでなく、計算の複雑さを大幅に減らし、リソース制約のある環境でのリアルタイムデプロイメントに非常に適している。
論文 参考訳（メタデータ） (2025-07-13T04:53:33Z) - AdaFortiTran: An Adaptive Transformer Model for Robust OFDM Channel Estimation [22.40154714677385]
本稿では,アダフォーティトラン(Adaptive Fortified Transformer, AdaFortiTran)を提案する。
AdaFortiTranは最先端モデルと比較して平均2乗誤差(MSE)を最大6dB削減する。
論文 参考訳（メタデータ） (2025-05-14T02:22:37Z) - DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。
特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。
マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
論文 参考訳（メタデータ） (2023-08-03T17:59:04Z) - Learning Regionalization using Accurate Spatial Cost Gradients within a Differentiable High-Resolution Hydrological Model: Application to the French Mediterranean Region [0.18139022013189662]
未採集における分散水文パラメータの推定は, 地域化の問題を引き起こす。
本稿では,学習可能な地域化マッピングを取り入れたハイブリッド・アシミレーション・地域化(HDA-PR)手法を提案する。
その結果,特に上流から下流までの補間において,HDA-PRの強い地域化が顕著となった。
論文 参考訳（メタデータ） (2023-08-02T07:23:50Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z)
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。