論文の概要: BELDE: Building a Large-scale Earth-observation Land-cover Dataset for Europe

• arxiv url: http://arxiv.org/abs/2606.20909v1
• Date: Thu, 18 Jun 2026 20:07:12 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 11:24:21.375638
• Title: BELDE: Building a Large-scale Earth-observation Land-cover Dataset for Europe
• Title（参考訳）: BELDE:ヨーロッパ向け大規模地球観測地被覆データセットの構築
• Authors: Ümit Mert Çağlar, Alptekin Temizel,
• Abstract要約: 我々は、RGBベースのセマンティックセマンティックセグメンテーションに適したデータセットであるBELDE(ヨーロッパ向け大規模地球観測ランドカバーデータセットの構築)をリリースする。 BelDEにはヨーロッパにまたがる1,088,385枚の画像分割マップがあり、10mの空間分解能で7つの土地被覆クラスがある。 また,大韓民国を対象とするBELDE-Kと,米国カリフォルニア州とネバダ州を対象とするBELDE-CA-NV(88,155対)についても紹介する。
• 参考スコア（独自算出の注目度）: 4.554894288663752
• License:
• Abstract: Earth observation imagery plays a critical role in environmental monitoring, urban planning, disaster assessment, and climate analysis. While multi-spectral sensors are increasingly available, true-color (RGB) imagery remains widely used due to the power, cost, and deployment constraints of many satellite and aerial platforms. However, existing land-cover segmentation datasets are often limited in geographic coverage, scale, or public accessibility. To bridge this gap, we introduce BELDE (Building a Large-scale Earth-observation Land-cover Dataset for Europe), a publicly available dataset tailored for RGB-based remote sensing semantic segmentation. Constructed from Sentinel-2 true-color images and ESA WorldCover data annotations, BELDE contains 1,088,385 curated image-segmentation map pairs spanning Europe with 7 land-cover classes at 10 m spatial resolution, making it one of the largest publicly available RGB land-cover segmentation datasets for Earth observation. To facilitate cross-region generalization studies, we additionally introduce BELDE-K (16,607 pairs) covering the Republic of Korea and BELDE-CA-NV (88,155 pairs) covering California and Nevada in the United States. We establish baseline results using multiple semantic segmentation architectures and evaluate both in-domain and cross-domain performance. Models trained on BELDE achieve an F1 score of 83.0% on the European test set, while performance decreases to 66.4% on BELDE-CA-NV and 58.3% on BELDE-K, highlighting the challenges posed by out-of-distribution geographic domain shift. By providing a continental-scale RGB segmentation and evaluation benchmark, BELDE supports the development of robust and transferable Earth observation models. The dataset and benchmark resources will be publicly released.
• Abstract（参考訳）: 地球観測画像は、環境モニタリング、都市計画、災害評価、気候分析において重要な役割を果たしている。 マルチスペクトルセンサーはますます利用可能になっているが、多くの衛星や空中プラットフォームのパワー、コスト、展開の制約により、真の色(RGB)画像が広く使われている。 しかし、既存の土地被覆セグメンテーションデータセットは、地理的範囲、規模、または公共のアクセス可能性に制限されることが多い。 このギャップを埋めるために、我々は、RGBベースのリモートセマンティックセマンティックセマンティックセマンティックセグメンテーションに適した、一般公開されたデータセットであるBELDE (Building a Large-scale Earth-observation Land-cover Dataset for Europe)を紹介した。 センチネル2の真のカラー画像とESA WorldCoverのデータアノテーションから構築されたBELDEは、ヨーロッパにまたがる1,088,385枚の画像分割マップと、空間分解能10mの7つのランドカバークラスを含んでおり、地球観測のための公開可能なRGBランドカバーセグメンテーションデータセットの1つである。 韓国を対象とするBELDE-K(16,607対)と,米国カリフォルニア州とネバダ州を対象とするBELDE-CA-NV(88,155対)も導入した。 複数のセマンティックセグメンテーションアーキテクチャを用いてベースライン結果を確立し、ドメイン内およびクロスドメインのパフォーマンスを評価する。 BELDEでトレーニングされたモデルはヨーロッパのテストセットで83.0%、BELDE-CA-NVで66.4%、BELDE-Kで58.3%に低下し、分布外領域シフトによる課題を浮き彫りにした。 大陸規模のRGBセグメンテーションと評価ベンチマークを提供することで、BELDEは堅牢で移動可能な地球観測モデルの開発をサポートする。 データセットとベンチマークリソースが公開される。

関連論文リスト

• PRUE: A Practical Recipe for Field Boundary Segmentation at Scale [50.194423500109025]
  本研究では,大域境界線決定のためのセグメント化と地理空間基盤モデル(GFM)を初めて体系的に評価する。 U-Netセマンティックセマンティックセグメンテーションモデルは、パフォーマンスとデプロイメントのメトリクスのスイートにおいて、インスタンスベースとGFMの代替よりも優れています。 我々のアプローチは、モデル設計、トレーニング、推論にまたがる、信頼性があり、スケーラブルで再現可能なフィールド境界記述のための実践的なフレームワークを提供します。
  論文  参考訳（メタデータ） (2026-03-28T02:47:46Z)
• CrossEarth-SAR: A SAR-Centric and Billion-Scale Geospatial Foundation Model for Domain Generalizable Semantic Segmentation [51.94680303125737]
  我々は、新しい物理誘導型スパース・オブ・エキスパート(MoE)アーキテクチャに基づいて構築された、最初の10億ドル規模のSARビジョン基盤モデルであるCrossEarth-SARを紹介する。 大規模な事前トレーニングを容易にするために,公共およびプライベートなSAR画像を統合する弱く完全に教師付きデータセットであるCrossEarth-SAR-200Kを開発した。 また、8つの異なる領域ギャップをまたいだ22のサブベンチマークからなるベンチマークスイートを導入し、SAR画像上でのドメイン一般化セマンティックセマンティックセグメンテーションのための最初の統一標準を確立した。
  論文  参考訳（メタデータ） (2026-03-12T14:52:35Z)
• Democratizing planetary-scale analysis: An ultra-lightweight Earth embedding database for accurate and flexible global land monitoring [19.019853798955513]
  ESDは、2000年から2024年までの25年間にわたる、超軽量で30mの地球埋め込みデータベースである。 データセットは、生のアーカイブと比較してデータボリュームが340倍に減少する。 頑丈な数発の学習能力と長手一貫性により、ESDは惑星スケールの研究を民主化するための汎用的な基盤を提供する。
  論文  参考訳（メタデータ） (2026-01-16T10:59:43Z)
• Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
  視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。 我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
  論文  参考訳（メタデータ） (2025-10-13T01:12:21Z)
• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• Geographical Context Matters: Bridging Fine and Coarse Spatial Information to Enhance Continental Land Cover Mapping [2.9212099078191756]
  BRIDGE-LCは,土地被覆分類プロセスに大規模地理空間情報を統合する,新しい深層学習フレームワークである。 その結果,地理空間情報の統合により土地被覆マッピング性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2025-04-16T17:42:46Z)
• OpenEarthMap-SAR: A Benchmark Synthetic Aperture Radar Dataset for Global High-Resolution Land Cover Mapping [16.387666608029882]
  我々は,地球規模の高解像度土地被覆マッピングのためのベンチマークSARデータセットOpenEarthMap-SARを紹介する。 OpenEarthMap-SARは、5033の航空画像と衛星画像の150万部で構成され、サイズは1024$times$1024ピクセルで、日本、フランス、アメリカから35の地域をカバーしている。 セマンティックセグメンテーションのための最先端手法の性能評価と,さらなる技術開発に適した課題設定を提案する。
  論文  参考訳（メタデータ） (2025-01-18T22:30:27Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• Ben-ge: Extending BigEarthNet with Geographical and Environmental Data [1.1377027568901037]
  本稿では,世界規模で利用可能な地理・環境データを自由にコンパイルすることで,BigEarthNet-MMデータセットを補完するben-geデータセットを提案する。 このデータセットに基づいて、パッチベースの土地利用/土地被覆分類と土地利用/土地被覆区分の下流タスクに異なるデータモダリティを組み合わせる価値を示す。
  論文  参考訳（メタデータ） (2023-07-04T14:17:54Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)

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。

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。