論文の概要: FLAME: Physics-Guided Neural Operators for Onboard Satellite Methane Detection in Hyperspectral Imagery

• arxiv url: http://arxiv.org/abs/2606.01577v1
• Date: Mon, 01 Jun 2026 02:24:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.87451
• Title: FLAME: Physics-Guided Neural Operators for Onboard Satellite Methane Detection in Hyperspectral Imagery
• Title（参考訳）: FLAME:ハイパースペクトル画像における衛星メタン検出のための物理誘導型ニューラルネットワーク
• Authors: Junhyuk Heo, Junhwan Park, Sancheol Sim, Beomkyu Choi, Woojin Cho,
• Abstract要約: メタンは短期的な気候変動の主要な要因であり、その排出源を迅速に特定することは重要な気候介入である。 本稿では,メタン吸収の物理をアーキテクチャに直接組み込む物理誘導型ニューラル演算子FLAMEを提案する。 メタン検出ベンチマークにおいて、FLAMEは評価されたすべての方法の中で最も高い検出精度を達成する。
• 参考スコア（独自算出の注目度）: 3.4034522107156366
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Methane is a major driver of near-term climate change, and rapidly identifying its emission sources is a critical climate intervention. Spaceborne hyperspectral imagery is the primary tool for this task, but the volume of data produced by each sensor makes ground-based detection impractical and necessitates onboard detection. Classical methods incur prohibitive computational cost on onboard hardware, while deep learning models are fast but fall short on detection quality. We propose FLAME, a physics-guided neural operator that builds the physics of methane absorption directly into its architecture. On the methane detection benchmark, FLAME achieves the highest detection accuracy among all evaluated methods, reduces the pixel-level false positive rate by nearly $3\times$ over the strongest neural baseline, uses the fewest parameters among learned baselines, and runs within the latency budget of onboard satellite hardware.
• Abstract（参考訳）: メタンは短期的な気候変動の主要な要因であり、その排出源を迅速に特定することは重要な気候介入である。 宇宙からのハイパースペクトル画像は、このタスクの主要なツールであるが、各センサーが生成するデータの量は、地上での検知を非現実的にし、オンボード検出を必要とします。 古典的な手法では、ハードウェア上での計算コストは禁じられるが、ディープラーニングモデルは高速だが検出品質には劣る。 本稿では,メタン吸収の物理をアーキテクチャに直接組み込む物理誘導型ニューラル演算子FLAMEを提案する。 メタン検出ベンチマークでは、FLAMEは評価されたすべての方法の中で最も高い検出精度を達成し、最強のニューラルネットワーク上でピクセルレベルの偽陽性率を約$3\times$に削減し、学習ベースラインの中で最も少ないパラメータを使用し、オンボードの衛星ハードウェアの遅延予算内で動作する。

関連論文リスト

• AttMetNet: Attention-Enhanced Deep Neural Network for Methane Plume Detection in Sentinel-2 Satellite Imagery [1.0266286487433587]
  メタンは温室効果ガスであり、地球温暖化に大きく貢献する。 AttMetNetは,Sentinel-2衛星画像を用いたメタンプラム検出のための,注目度の高い新しい深層学習フレームワークである。
  論文  参考訳（メタデータ） (2025-12-02T13:34:39Z)
• Towards Methane Detection Onboard Satellites [0.5900825203015314]
  メタンは温室効果ガスであり、気候変動の主要な要因である。 衛星に搭載された機械学習(ML)は、ダウンリンクコストを低減しつつ、迅速な検出を可能にする。 テクスチュノルト認証データ(UnorthoDOS)を用いて,これらの前処理ステップをバイパスする新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-08-30T22:54:00Z)
• Optimizing Methane Detection On Board Satellites: Speed, Accuracy, and Low-Power Solutions for Resource-Constrained Hardware [0.0]
  メタンは温室効果ガスであり、ハイパースペクトル衛星画像によって早期に漏れを検出することで、気候変動を緩和することができる。 従来のメタン濃縮法は、リソース限定のオンボードハードウェアには計算的に要求されすぎている。 この研究は、効率的で低消費電力のアルゴリズムに焦点を当てたメタン検出を加速する。
  論文  参考訳（メタデータ） (2025-07-02T08:34:34Z)
• Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
  赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。 現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。 本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
  論文  参考訳（メタデータ） (2025-06-15T08:19:32Z)
• ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
  ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。 HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。 計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
  論文  参考訳（メタデータ） (2025-04-16T05:33:42Z)
• HyperspectralViTs: General Hyperspectral Models for On-board Remote Sensing [21.192836739734435]
  機械学習モデルによるハイパースペクトルデータのオンボード処理は、幅広いタスクに対して前例のない量の自律性を可能にする。 これにより早期警戒システムが可能となり、衛星の星座にまたがる自動スケジューリングなどの新機能が実現される可能性がある。 本研究では,高スペクトル次元のデータを用いたエンドツーエンドの学習を支援する,高速かつ正確な機械学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-22T17:59:55Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)

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。