論文の概要: An iterative energy-based multimodal transformer for joint retrieval of wheat soil moisture, leaf area index, and plant height from Sentinel-1 and Sentinel-2 time series

• arxiv url: http://arxiv.org/abs/2606.25174v1
• Date: Tue, 23 Jun 2026 21:05:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.144238
• Title: An iterative energy-based multimodal transformer for joint retrieval of wheat soil moisture, leaf area index, and plant height from Sentinel-1 and Sentinel-2 time series
• Title（参考訳）: Sentinel-1 および Sentinel-2 時系列からのコムギ土壌水分, 葉面積指数, 植物高さの同時検索のための反復的エネルギーベースマルチモーダルトランス
• Abstract要約: iEBTは共有シーケンス内にマルチモーダル予測器を埋め込み、初期状態推定を生成し、ターゲット[SM, LAI, PH]ベクトルを反復的に更新する。 Modality ablationsによると、Sentinel-1はSM検索を、Sentinel-2はLAIを、PHは複合的な構造・形態的シグネチャに依存している。
• 参考スコア（独自算出の注目度）: 1.86672057283442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Field-scale retrieval of surface soil moisture (SM), leaf area index (LAI), and plant height (PH) is essential for precision agriculture, yet it remains an ill-posed inverse problem. Concurrent variations in soil moisture and canopy density generate substantial ambiguities in radar backscatter and spectral responses, which reduces the effectiveness of traditional feedforward regression models in heterogeneous smallholder cropping systems. This study presents the Iterative Energy-Based Transformer (iEBT) for the joint retrieval of coupled soil-canopy states from Sentinel-1 C-band SAR and Sentinel-2 multispectral time series. Instead of direct regression, iEBT embeds multi-modal predictors within a shared sequence, produces an initial state estimate, and iteratively updates the target [SM, LAI, PH] vector through normalized gradient descent to minimize a learned scalar compatibility energy function. Using 700 quality-controlled field measurements from Varanasi, India, iEBT achieved the highest learned-model performance on the random test split, with a four-seed mean R^2 of 0.854 \pm 0.012 (R_SM^2 = 0.841, R_LAI^2 = 0.905, R_PH^2 = 0.821). WCM and PROSAIL were retained as physically interpretable SAR and optical reference models for comparison. Modality ablations confirmed that Sentinel-1 drives SM retrieval, while Sentinel-2 dominates LAI, whereas PH relies on combined structural-phenological signatures. Crucially, the model's terminal energy functions as an uncalibrated post-retrieval quality diagnostic; screening the 10% highest-energy samples markedly reduced target level root-mean-square errors. While leave-one-campaign-out validation highlights persistent cross-season domain shift challenges due to localized management variations, compatibility-guided multimodal fusion offers a structured self-diagnostic path toward reliable biophysical parameter estimation
• Abstract（参考訳）: 表面土壌水分 (SM) , 葉面積指数 (LAI) , 植物高さ (PH) のフィールドスケール検索は, 精密農業には不可欠であるが, 逆問題である。 土壌水分と天蓋密度の同時変動は、レーダー後方散乱とスペクトル応答のかなりの曖昧さを生じさせ、不均一な小型収穫システムにおける従来のフィードフォワード回帰モデルの有効性を低下させる。 本研究では,Sentinel-1 CバンドSARとSentinel-2マルチスペクトル時系列から結合した土壌-陰極状態の同時検索のための反復エネルギー変換器(iEBT)を提案する。 直接回帰の代わりに、iEBTは共有シーケンス内にマルチモーダル予測器を埋め込み、初期状態推定を生成し、学習されたスカラー互換性エネルギー関数を最小化するために正規化勾配降下によりターゲット[SM, LAI, PH]ベクトルを反復的に更新する。 インドのバラナシから得られた700のフィールド測定値を用いて、iEBTはランダムなテストスプリットにおいて、R_SM^2 = 0.841, R_LAI^2 = 0.905, R_PH^2 = 0.821, 0.854 \pm 0.012の4シード平均R^2を得た。 WCMとProSAILは物理的に解釈可能なSARと光学参照モデルとして保持された。 Modality ablationsによると、Sentinel-1はSM検索を、Sentinel-2はLAIを、PHは複合的な構造・形態的シグネチャに依存している。 重要なことに、モデルの終端エネルギーは、未熟な検索後の品質診断として機能し、10%の高エネルギーサンプルをスクリーニングすることで、ターゲットレベルのルート平均二乗誤差を著しく低減した。 leave-one-campaign-out Validationは、局所的な管理のバリエーションによる永続的なクロスシーズンドメインシフトの課題を浮き彫りにするが、互換性誘導多モード融合は、信頼できる生体物理パラメータ推定への構造化された自己診断経路を提供する。

関連論文リスト

• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement [84.88065404629079]
  scHelixは、機能がどのように処理されるかを根本的に変更するデータセット適応フレームワークである。 scHelixは、停止段階のグラフキャッシュを備えたデュアルストリームスパース拡散エンコーダを使用する。 scHelixは最先端のメソッドより優れています。
  論文  参考訳（メタデータ） (2026-05-18T15:55:13Z)
• Architecture-Agnostic Modality-Isolated Gated Fusion for Robust Multi-Modal Prostate MRI Segmentation [0.0]
  多重化前立腺MRIは、T2パラメトリック(T2W)、見かけ拡散係数(ADC)、高b値拡散強調(HBV)配列を組み合わせる。 実際には、拡散配列は、T2Wよりも、取得のばらつき、動き、アーティファクトの影響を受けることが多い。 我々は、学習ゲーティングステージの前に、個別のモダリティ固有の符号化ストリームを維持するために、Modality-Isolated Gated Fusion (MIGF)を提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:54:21Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Stage-Specific Benchmarking of Deep Learning Models for Glioblastoma Follow-Up MRI [1.1458853556386799]
  追従型MRIのための深層学習モデルの第1段階別横断的ベンチマークを行う。 アーキテクチャ性能がタイムポイントに依存するかどうかをテストするために,異なるポストRTスキャンを独立に解析する。 これらの結果は、時系列モデリング、マルチシーケンスMRI、より大規模なマルチセンターコホートを組み込んだステージアウェア・ベンチマークを確立し、今後の研究を動機付けている。
  論文  参考訳（メタデータ） (2025-11-23T19:38:03Z)
• Transformers vs. Recurrent Models for Estimating Forest Gross Primary Production [32.81344785160551]
  リモートセンシングは、単一センサーのスペクトル指標と統計モデルに代わるものを提供する。 深層学習(DL)とデータ融合の最近の進歩は、植生プロセスの時間的ダイナミクスをより良く表現する新たな機会を提供する。 本稿では,Grossプライマリ生産予測のための2つの代表的なモデルの性能について検討する。
  論文  参考訳（メタデータ） (2025-11-14T21:18:01Z)
• Causal Time Series Modeling of Supraglacial Lake Evolution in Greenland under Distribution Shift [2.5551933647600693]
  因果モデリングは、時系列データの安定で不変な関係を明らかにするための原則的な基礎を提供する。 RIC-TSCは,ラグを意識した因果発見を直接シーケンスモデリングに組み込む,局所的にインフォームドされた因果時系列分類フレームワークである。
  論文  参考訳（メタデータ） (2025-10-17T03:06:08Z)
• Field-scale soil moisture estimated from Sentinel-1 SAR data using a knowledge-guided deep learning approach [6.595840767689357]
  本研究は,知識誘導型深層学習手法の開発に向けた予備的な取り組みを示す。 ウォータークラウドモデル(WCM)の原則を長期記憶モデル(LSTM)に統合する。 提案手法は,全後方散乱から分離された土壌後方散乱係数とランドサット分解能植生情報と表面特性に基づいて構築される。 その結果, 植生被覆や表面条件の異なる地域では, SM検索を0.02 m$3$/m$3$に減らし, 相関係数(R)を最大0.64以上とした。
  論文  参考訳（メタデータ） (2025-05-01T03:12:25Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)

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。