論文の概要: Optimizing Latent Representations for Robust Building Damage Assessment Onboard Earth Observation Satellites
- arxiv url: http://arxiv.org/abs/2605.29575v1
- Date: Thu, 28 May 2026 08:21:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:56.062094
- Title: Optimizing Latent Representations for Robust Building Damage Assessment Onboard Earth Observation Satellites
- Title（参考訳）: 地球観測衛星によるロバスト建築被害評価のための潜在表現の最適化
- Authors: Thomas Goudemant, Benjamin Francesconi,
- Abstract要約: 本稿では,衛星上での物体レベルの建物損傷評価(局所化と損傷分類)を可能にするAIベースのシステムを提案する。
利用可能なプレディザスター画像は地上でコンパクトな遅延表現に符号化され、衛星に送信され、新たに取得されたポストディザスターの観測と比較される。
本研究では,シム処理,クロスアテンション,ラテント空間圧縮,ロバストネス指向データ拡張の影響を解析し,車載互換性のある変種を体系的にベンチマークすることで,設計空間を探索する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rapid identification of damaged buildings after natural disasters or on war areas is crucial to support emergency response and prioritize interventions. Earth Observation constellations provide timely, large-scale coverage, but actionable information is often delayed by data downlink constraints, on-ground processing, and human interpretation. Reducing this latency is essential to improve decision-making responsiveness. In this work, we propose an original AI-based system that enables object-level building damage assessment (localization and damage classification) directly onboard satellites from pre-disaster and post-disaster highresolution optical imagery. Available pre-disaster images are encoded on ground into compact latent representations, transmitted to the satellite, and compared on-board with newly acquired post-event observations. Leveraging AI interpretation capabilities and increasing processing capabilities on-board satellites, the proposed design enables processing directly at the data source, reducing the amount of information to be downlinked while preserving task-relevant content and improving overall system responsivity. We explore the design space through a systematic benchmark of onboard-compatible variants, analyzing the impact of siamese processing, cross-attention, latent-space compression, and robustness-oriented data augmentation. Experiments on xBD dataset demonstrate reliable and robust damage assessment under misalignment, with minimal performance degradation under strong compression.
- Abstract（参考訳）: 自然災害や戦域における被害建物の迅速な識別は、緊急対応と介入の優先順位付けに不可欠である。
地球観測星座は、タイムリーで大規模なカバレッジを提供するが、データダウンリンクの制約、地上処理、人間の解釈によって行動可能な情報が遅れることがしばしばある。
このレイテンシを減らすことは、意思決定の応答性を改善するために不可欠です。
そこで本研究では,衛星に搭載された物体レベルの損傷評価(局所化と損傷分類)を,災害前・災害後高解像度の光学画像から直接行うことができるAIベースのシステムを提案する。
利用可能なプレディザスター画像は地上でコンパクトな潜伏表現に符号化され、衛星に送信され、新たに取得された観測結果と比較される。
提案設計では,AI解釈機能を活用し,衛星上での処理能力を向上させることにより,データソースを直接処理し,タスク関連コンテンツを保存しながらダウンリンクする情報量を削減し,システム全体の応答性を向上させる。
本研究では,シム処理,クロスアテンション,ラテント空間圧縮,ロバストネス指向データ拡張の影響を解析し,車載互換性のある変種を体系的にベンチマークすることで,設計空間を探索する。
xBDデータセットの実験では、強い圧縮下での性能劣化を最小限に抑え、不整合下での信頼性とロバストな損傷評価が示されている。
関連論文リスト
- Satellite to Street : Disaster Impact Estimator [0.12938914787881173]
本研究は, 衛星画像と衛星画像との協調処理により, 微粒な画素レベルの損傷マップを得るディープラーニングフレームワークを提案する。
このモデルは、局所的な構造的変化とより広い文脈的手がかりの両方をキャプチャするために、拡張された機能融合を備えた修正されたデュアルインプットU-Netアーキテクチャを使用する。
論文 参考訳（メタデータ） (2025-11-24T06:20:40Z) - RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。
提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-23T15:41:40Z) - A Deep Learning framework for building damage assessment using VHR SAR and geospatial data: demonstration on the 2023 Turkiye Earthquake [1.6070833439280312]
災害直後の被害の特定は緊急対応・復旧の指導に不可欠である。
超高分解能(VHR)合成開口レーダ(SAR)画像を用いた建物損傷検出のための新しい多モードディープラーニング(DL)フレームワークを提案する。
SAR画像パッチ、OpenStreetMap(OSM)構築フットプリント、デジタル表面モデル(DSM)データ、グローバル地震モデル(GEM)の構造と露出特性を統合する。
その結果,地理空間的特徴を取り入れることで,これまで見られなかった領域に対する検出性能と一般化性が著しく向上することがわかった。
論文 参考訳（メタデータ） (2025-06-27T15:49:58Z) - Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - BRIGHT: A globally distributed multimodal building damage assessment dataset with very-high-resolution for all-weather disaster response [50.76124284445902]
ビル被害評価(BDA)は、人的被害を減らすために災害後の重要な能力である。
近年の研究では、目に見えない災害事象の正確なマッピングを実現するためのAIモデルの開発に焦点が当てられている。
本稿では, veRy-hIGH-resoluTion Optical and SAR image (BRIGHT) を用いたBDAデータセットを提案する。
論文 参考訳（メタデータ） (2025-01-10T14:57:18Z) - Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning [11.697034536189094]
本稿では,二分分類のためのランダムサンプリング木を構築する革新的なアルゴリズムを提案する。
その結果,本手法は受動的および従来の能動的学習手法を超越していることが判明した。
従来のアクティブな学習戦略における「サンプルバイアス」の課題に効果的に対処する。
論文 参考訳（メタデータ） (2024-05-28T01:34:35Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Assessing out-of-domain generalization for robust building damage
detection [78.6363825307044]
建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。
モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。
今後はOOD体制に重点を置くべきだと我々は主張する。
論文 参考訳（メタデータ） (2020-11-20T10:30:43Z) - Cross-directional Feature Fusion Network for Building Damage Assessment
from Satellite Imagery [26.767229623170497]
衛星画像からの損傷評価は、効果的な応答を行う前に重要となる。
本稿では,事前画像と事後画像の相関関係をよりよく解明するための,新たな双方向融合戦略を提案する。
提案手法は,大規模建物被害評価データセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2020-10-27T02:49:52Z) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳（メタデータ） (2020-04-15T19:52:09Z) - An Attention-Based System for Damage Assessment Using Satellite Imagery [18.43310705820528]
本稿では,建物の損傷レベルを評価するため,Siam-U-Net-Attnモデルを提案する。
大規模建物被害評価データセットである xView2 上で提案手法の評価を行い,提案手法が正確な被害規模分類と建物分割を同時に達成できることを実証した。
論文 参考訳（メタデータ） (2020-04-14T16:37:55Z)
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。