論文の概要: Methane-Plume Segmentation From Hyperspectral Satellite Imagery Via Multimodal Deep Learning

• arxiv url: http://arxiv.org/abs/2606.26416v1
• Date: Wed, 24 Jun 2026 22:12:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.091406
• Title: Methane-Plume Segmentation From Hyperspectral Satellite Imagery Via Multimodal Deep Learning
• Title（参考訳）: マルチモーダル深層学習によるハイパースペクトル衛星画像からのメタン量分離
• Abstract要約: 本稿では,機能誘導型メタン濃縮機構を統合したマルチモーダル深層学習モデルを提案する。 提案手法はMPDatasetで評価され,MIoUでは+0.92,MPrecisionでは+0.87,Recallでは+1.01と,最先端技術よりも優れていた。
• 参考スコア（独自算出の注目度）: 0.11666234644810893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient detection of methane plumes is crucial for understanding and mitigating global warming, as accurately identifying and segmenting them in earth observation imagery remain essential for large-scale monitoring. In this work, we propose a multimodal deep learning model that integrates a feature-guided methane enhancement (FGME) mechanism which injects physically meaningful methane cues into transformer-based RGB representations at multiple semantic scales. Our method is evaluated on the MPDataset, where it outperforms the state-of-the-art with improvements of +0.92 in MIoU, +0.87 in MPrecision and +1.01 in Recall. Notably, these gains are obtained with a substantially lower computational cost than other high-performing architectures, resulting in a favorable accuracy-efficiency trade-off for large-scale methane monitoring. These results highlight the potential of efficient multimodal fusion strategies for accurate and scalable methane plume segmentation in real-world remote sensing applications.
• Abstract（参考訳）: メタンプラムの効率的な検出は、地球温暖化の理解と緩和に不可欠であり、大規模なモニタリングには、地球観測画像でそれらを正確に識別し、セグメンテーションすることが不可欠である。 本研究では, 物理的に意味のあるメタンキューを変換器に基づくRGB表現に複数の意味尺度で注入する機能誘導メタン拡張(FGME)機構を統合したマルチモーダルディープラーニングモデルを提案する。 提案手法はMPDatasetで評価され,MIoUでは+0.92,MPrecisionでは+0.87,Recallでは+1.01と,最先端技術よりも優れていた。 特に、これらの利得は、他の高性能アーキテクチャよりも大幅に低い計算コストで得られ、その結果、大規模メタンモニタリングの精度と効率のトレードオフが好まれる。 これらの結果は、リアルタイムリモートセンシングアプリケーションにおいて、高精度でスケーラブルなメタンプルームセグメンテーションのための効率的なマルチモーダル融合戦略の可能性を強調している。

関連論文リスト

• Explainable Comparison of Feature-Based and Deep Learning Models for TROPOMI Methane Plume Screening [0.0]
  メタン・プラムのように見えるトロポミ・プラムは全て、実際の放出の結果ではない。 本研究では,特徴量ベース (SVC) モデルと画像ベース (ResNet-18, ResNet-34) モデルを比較した。
  論文  参考訳（メタデータ） (2026-05-26T16:17:02Z)
• Global monitoring of methane point sources using deep learning on hyperspectral radiance measurements from EMIT [1.5926880411246283]
  人為的なメタン点源は、短期的な気候強制、安全リスク、システム非効率を駆動する。 本稿では,エンド・ツー・エンド・エンド・ビジョン・トランスフォーマ・フレームワークであるEMM(MAPL-EMIT)モデルを用いたメタン分析とプルームのローカライゼーションについて述べる。 このモデルは、地球規模のEMM放射データに注入された360万個の物理ベースの合成プラムで訓練された。 実世界のベンチマークでは、MAPL-EMITが既知の手書きのNASA L2Bプルームコンプレックスの79%を捉えている。
  論文  参考訳（メタデータ） (2026-04-11T08:27:56Z)
• Operational machine learning for remote spectroscopic detection of CH$_{4}$ point sources [1.0934673357973288]
  人為的メタン源の緩和は、地球温暖化を減速させる最も費用対効果の高いレバーの1つである。 マッチングフィルタに基づく現在のメタン回収法は、依然として多数の誤検出を発生させる。 本稿では,メタン排出量を検出する機械学習システムの運用展開について述べる。
  論文  参考訳（メタデータ） (2025-11-11T00:53:03Z)
• Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency [60.74505433956616]
  連続時間一貫性モデル(sCM)は理論的に原理化され、学術規模の拡散を加速するために実証的に強力である。 まず並列性互換なFlashAttention-2 JVPカーネルを開発し、100億以上のパラメータと高次元ビデオタスクを持つモデル上でsCMトレーニングを可能にする。 本稿では, スコア蒸留を長軸正則化器として組み込んだスコア規則化連続時間一貫性モデル(rCM)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T16:45:30Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Once for Both: Single Stage of Importance and Sparsity Search for Vision Transformer Compression [63.23578860867408]
  重要度評価と疎度評価を1段階にまとめる方法について検討する。 重要度と疎度の両方を同時に評価するコスト効率の高いOFBを提案する。 実験により、OFBは最先端のサーチベースおよびプルーニングベース手法よりも優れた圧縮性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-03-23T13:22:36Z)
• Unlocking the Potential: Multi-task Deep Learning for Spaceborne Quantitative Monitoring of Fugitive Methane Plumes [0.7970333810038046]
  メタン濃度インバージョン(英語版)、プルームセグメンテーション(英語版)、エミッションレート推定(英語版)は、メタン排出モニタリングの3つのサブタスクである。 リモートセンシング画像からメタン排出量の定量モニタリングを行うための,新しいディープラーニングベースのフレームワークを提案する。 メタン濃度インバージョンのためのU-Netネットワーク,メタン配管セグメンテーションのためのMask R-CNNネットワーク,メタン排出率推定のためのResNet-50ネットワークを訓練する。
  論文  参考訳（メタデータ） (2024-01-23T16:04:19Z)
• 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)
• Detecting Methane Plumes using PRISMA: Deep Learning Model and Data Augmentation [67.32835203947133]
  PRISMAのような新世代の超スペクトル画像装置は、高空間分解能(30m)で宇宙からメタン(CH4)プラムの検出能力を著しく改善した。 ここでは、PRISMA衛星ミッションの画像を用いてCH4プラムを識別するための完全なフレームワークと、広範囲のプラムを検出可能なディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-17T17:36:05Z)
• Transformer-based Context Condensation for Boosting Feature Pyramids in Object Detection [77.50110439560152]
  現在の物体検出器は、通常マルチレベル特徴融合(MFF)のための特徴ピラミッド(FP)モジュールを持つ。 我々は,既存のFPがより優れたMFF結果を提供するのに役立つ,新しい,効率的なコンテキストモデリング機構を提案する。 特に,包括的文脈を2種類の表現に分解・凝縮して高効率化を図っている。
  論文  参考訳（メタデータ） (2022-07-14T01:45:03Z)

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。