論文の概要: State Space Models Meet Remote Sensing: A Survey
- arxiv url: http://arxiv.org/abs/2606.25329v1
- Date: Wed, 24 Jun 2026 02:50:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.196605
- Title: State Space Models Meet Remote Sensing: A Survey
- Title（参考訳）: リモートセンシングで見る状態空間モデル
- Abstract要約: ステートスペースモデル(SSM)は、線形計算の複雑さと長距離依存を捉える強力な能力を提供する。
本稿では,SSMによるリモートセンシングのアプローチを概観し,SSMが最初に現場に導入されて以来,研究のほとんどを網羅する。
リモートセンシングタスクにおけるSSMアプリケーションの多次元解析を行い,アーキテクチャ設計の進歩について議論する。
- 参考スコア（独自算出の注目度）: 36.48681071460519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: State Space Models (SSMs), designed for long-range modeling, offer linear computational complexity and strong capabilities in capturing long-range dependencies. In the field of remote sensing, SSMs have gained popularity due to their effectiveness in addressing unique challenges such as dense visual predictions, multi-modal remote sensing data, and temporal remote sensing data, which have also yielded significant advancements in customized architectures. This paper presents a comprehensive review of SSM-based approaches in remote sensing, covering most of the relevant studies since SSMs were first introduced to the field. We offer a multi-dimensional analysis examining SSM applications in remote sensing tasks and discussing advancements in architecture design. This paper not only synthesizes the rapid progress in SSM-based research but also identifies key challenges and future opportunities. By providing a detailed perspective, this paper aims to serve as a foundational resource for remote sensing researchers, offering actionable insights to foster further advancements in this evolving domain. We will keep tracing related works at https://github.com/QinzheYang/Awesome-RS-State-Space-Model.
- Abstract（参考訳）: 長距離モデリング用に設計された状態空間モデル(SSM)は、線形計算の複雑さと長距離依存を捉える強力な能力を提供する。
リモートセンシングの分野では、密集した視覚的予測、マルチモーダルリモートセンシングデータ、時間的リモートセンシングデータといったユニークな課題に対処する上で、SSMが有効であることから、カスタマイズされたアーキテクチャにおいても大きな進歩をもたらしている。
本稿では,SSMによるリモートセンシングのアプローチを概観し,SSMが最初にこの分野に導入されて以来,研究のほとんどを網羅する。
リモートセンシングタスクにおけるSSMアプリケーションの多次元解析を行い,アーキテクチャ設計の進歩について議論する。
本稿では,SSMを基盤とした研究の急速な進展だけでなく,重要な課題や今後の可能性も明らかにする。
本論文は,リモートセンシング研究者のための基礎資料として,この発展途上領域のさらなる発展を促進するための実用的な洞察を提供することを目的としている。
私たちは、関連する作業をhttps://github.com/QinzheYang/Awesome-RS-State-Space-Modelで追跡し続けます。
関連論文リスト
- Mixture-of-Experts in Remote Sensing: A Survey [3.2165374538840594]
このサーベイはリモートセンシングにおけるMoEアプリケーションの最初の概要を提供する。
基本原則、アーキテクチャ設計、様々なリモートセンシングタスクにおける主要なアプリケーションについてカバーしている。
また、リモートセンシングにMoEを適用するためのさらなる研究とイノベーションを刺激する将来のトレンドを概説している。
論文 参考訳（メタデータ） (2026-04-03T09:43:43Z) - Multimodal Spatial Reasoning in the Large Model Era: A Survey and Benchmarks [108.15756345836901]
大規模モデルを用いたマルチモーダル空間推論タスクの包括的レビューを行う。
我々は、視覚言語ナビゲーションやアクションモデルを含む、具体的AIの進歩についてレビューする。
我々は,新しいセンサによる空間的理解に寄与する音声やエゴセントリックビデオなどの新たなモダリティを考察する。
論文 参考訳（メタデータ） (2025-10-29T17:55:43Z) - How Far are VLMs from Visual Spatial Intelligence? A Benchmark-Driven Perspective [103.44502230776352]
視覚言語モデル(VLM)における視覚空間推論(VSR)の系統的研究について述べる。
空間インテリジェンスを3つのレベル,すなわち基本的な知覚,空間理解,空間計画,および空間インテリジェンスベンチマークSIBenchに分類した。
論文 参考訳（メタデータ） (2025-09-23T12:00:14Z) - Vision Mamba in Remote Sensing: A Comprehensive Survey of Techniques, Applications and Outlook [46.65330450810048]
状態空間モデル(SSM)は、線形計算スケーリングとグローバルコンテキストモデリングを組み合わせたパラダイムシフトソリューションとして登場した。
本調査では,約120個のマンバを用いたリモートセンシング研究を体系的に分析し,マンバをベースとしたリモートセンシング手法の総合的なレビューを行った。
i)ビジョン・マンバのアーキテクチャの基礎原理、(ii)適応スキャン戦略やハイブリッドSSMの定式化のようなマイクロアーキテクチャの進歩、(iii)CNN-Transformer-Mambaハイブリッドや周波数領域適応、(iv)状態に対する厳密なベンチマークなど、マクロアーキテクチャの統合。
論文 参考訳（メタデータ） (2025-05-01T16:07:51Z) - A Survey on Remote Sensing Foundation Models: From Vision to Multimodality [35.532200523631765]
リモートセンシングのための視覚とマルチモーダル基礎モデルは、インテリジェントな地理空間データ解釈能力を大幅に向上させた。
データタイプの多様性、大規模アノテートデータセットの必要性、マルチモーダル融合技術の複雑さは、これらのモデルの効果的なデプロイに重大な障害をもたらす。
本稿では、リモートセンシングのための最先端のビジョンモデルとマルチモーダル基礎モデルについて、アーキテクチャ、トレーニング方法、データセット、アプリケーションシナリオに焦点をあててレビューする。
論文 参考訳（メタデータ） (2025-03-28T01:57:35Z) - Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。
CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。
本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
論文 参考訳（メタデータ） (2024-09-19T02:51:54Z) - State Space Model for New-Generation Network Alternative to Transformers: A Survey [52.812260379420394]
深層学習時代において、Transformerアーキテクチャは、トレーニング済みのビッグモデルとさまざまなダウンストリームタスクにまたがる強力なパフォーマンスを示してきた。
注意モデルの複雑さをさらに軽減するために、より効率的な手法を設計するための多くの努力がなされている。
その中でも、自己注意に基づくトランスフォーマーモデルの代替として、ステートスペースモデル(SSM)が近年ますます注目を集めている。
論文 参考訳（メタデータ） (2024-04-15T07:24:45Z) - State Space Models as Foundation Models: A Control Theoretic Overview [3.3222241150972356]
近年、ディープニューラルネットワークアーキテクチャにおける線形状態空間モデル(SSM)の統合への関心が高まっている。
本論文は、制御理論者のためのSSMベースのアーキテクチャの穏やかな導入を目的としたものである。
もっとも成功したSSM提案の体系的なレビューを提供し、コントロール理論の観点から主要な特徴を強調している。
論文 参考訳（メタデータ） (2024-03-25T16:10:47Z)
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。