論文の概要: Context-Aware Slum Mapping in Sub-Saharan Africa Using Sentinel-1 Texture and Local Climate Zones

• arxiv url: http://arxiv.org/abs/2607.07532v1
• Date: Wed, 08 Jul 2026 15:26:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.438134
• Title: Context-Aware Slum Mapping in Sub-Saharan Africa Using Sentinel-1 Texture and Local Climate Zones
• Title（参考訳）: センチネル-1テクスチャーと局所気候帯を用いたサハラ以南のアフリカにおける文脈対応スラムマッピング
• Abstract要約: そこで本研究では, 文脈対応で再現可能な光学SARフレームワークを提案する。 バックスキャッタの校正,GLCMテクスチャ,物理誘導機能という3層SAR統合戦略を実装した。 その結果,SARテクスチャはLCZ7の検出において優位な性能向上をもたらすことがわかった。
• 参考スコア（独自算出の注目度）: 3.070823221882817
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate mapping of informal settlements remains a major challenge in Sub-Saharan African (SSA) cities because optical imagery often fails to distinguish Informal Settlements (defined here as LCZ 7) from spectrally similar formal Compact Low-Rise areas (LCZ 3). This study presents a context-aware, reproducible Optical-SAR framework that improves informal settlement delineation using Sentinel-2 spectral features and Sentinel-1 structural information within an adapted Local Climate Zone (LCZ) taxonomy. We implement a three-tier SAR integration strategy: calibrated backscatter, GLCM textures, and a physics-guided feature engineered to capture the high structural disorder and weak radar return characteristic of SSA informal settlements. Using reference data across Nairobi and Eldoret (Kenya), we evaluate performance via a stratified hold-out protocol and a season-aware ablation study. Results show that SAR textures provide the dominant performance gain for LCZ 7 detection. The Optical-SAR model achieves overall accuracy of 0.816 (dry) and 0.807 (wet), significantly outperforming the WUDAPT baseline (OA 0.704) and reducing the critical LCZ 3 - LCZ 7 confusion to 7%. Seasonal analysis indicates that while optical-only separability varies with phenology, SAR-derived textures stabilize informal settlement mapping across seasons. These findings demonstrate that the incorporation of SAR-derived features yields consistent improvements for urban morphology mapping in data-scarce environments across seasons and across the evaluated source cities, while cross-city transfer remains limited without local adaptation strategies.
• Abstract（参考訳）: サハラ以南のアフリカ(SSA)の都市では、光学画像がインフォーマルな入植地(LCZ7と定義されている)とスペクトル的に類似したコンパクト・ローライズ地域(LCZ3)を区別することができないため、正確な開拓地のマッピングは依然として大きな課題である。 本研究では,環境に適応した局地気候帯(LCZ)分類におけるSentinel-2スペクトル特徴とSentinel-1構造情報を用いて,非公式な居留地記述を改善する,文脈対応で再現可能な光SARフレームワークを提案する。 我々は,3階層のSAR統合戦略を実装した: キャリブレーションされた後方散乱,GLCMテクスチャ,およびSSA非公式居留地の高構造障害と弱いレーダーリターン特性を捉えるために設計された物理誘導機能である。 ナイロビとエルドレット(ケニア)をまたいだ基準データを用いて,階層化されたホールドアウトプロトコルと季節対応アブレーションによる評価を行った。 その結果,SARテクスチャはLCZ7の検出において優位な性能向上をもたらすことがわかった。 光SARモデルは、0.816(乾いた)と0.807(湿った)の全体的な精度を達成し、WUDAPTベースライン(OA 0.704)を大幅に上回り、LCZ 3 - LCZ 7の混乱を7%に低減した。 季節分析では,光のみの分離性は表現学によって異なるが,SAR由来のテクスチャは季節ごとの非公式な配置図を安定化させる。 これらの結果から, 地域適応戦略を使わずに都市間移動が制限される一方で, SAR による特徴の組み入れにより, 季節ごとのデータスカース環境における都市形態のマッピングが一貫した改善をもたらすことが示唆された。

関連論文リスト

• Multi-Sensor Mapping of Vulnerable Urban Settlements Using SAR, Multispectral, and Hyperspectral Imagery: A Case Study in Córdoba, Argentina [5.007870105030848]
  本研究はアルゼンチンのコルドバでスラム様マッピングのための多センサ深層学習フレームワークを提案する。 高分解能PlanetScope Multispectral (MS)画像、COSMO-SkyMed (CSK) Synthetic Aperture Radar (SAR)データ、中分解能PRISMA hyperspectral (HS)観測を統合している。 その結果,LF+HSは分類性能と空間選択率のバランスが良好であることがわかった。
  論文  参考訳（メタデータ） (2026-08-26T07:05:36Z)
• Rethinking Attention Locality in Spiking Transformers [50.00501275379363]
  スパイキングトランスフォーマーは、スパイク駆動計算による効率的なビジュアル処理のための有望なパラダイムを提供する。 彼らのSSA(Softmax-free Spiking Self-Attention)は、空間的に局所化されたトークン相互作用を確立するのに苦労している。 境界連続経路(SCLA-BCP)を用いた空間連続的局所的注意法を提案する。 当社のアプローチでは、2017年のCOCOではmAP@50が9.50%、ADE20KではmIoUが3.42%改善しています。
  論文  参考訳（メタデータ） (2026-08-09T07:36:17Z)
• High-Resolution Flood Mapping With Sentinel-1 and Sentinel-2 via Misalignment-Robust Cross-Sensor Learning and Generative Despeckling [1.458346800173785]
  この研究は、キュレートされた学習戦略と新しい学習戦略を通じて制約に共同で対処する統合的な洪水マッピングフレームワークを提案する。 筆者らは,アメリカ大陸を包含する新しいSentinel-2 (S2) とSentinel-1 (S1) データセットを導入し,既存のベンチマークで不足している,挑戦的な気象条件と都市環境に焦点を当てた画素精度10mの水面を特徴とした。 UNetとUNet++アーキテクチャを用いた実験では、シフト不変損失とCVAEに基づく非特異化を用いた場合、強いマルチスペクトル性能(AUPRC 0.956)とSARフラッドマッピングの統計的に有意な改善が示されている。
  論文  参考訳（メタデータ） (2026-06-29T16:19:59Z)
• SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
  本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。 粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。 実験は、既存のマップベースのアプローチよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-06-25T18:13:39Z)
• Exploring the potential of AlphaEarth and TESSERA embeddings for Fine-scale Local Climate Zone Mapping: A case study across five cities in Switzerland [0.0]
  多くの都市は依然として100mの粗い局部気候帯(LCZ)の記録を使用しているが、これは大規模な都市研究には適していない。 本研究では, 従来のSentinel-1/2 (S1S2) 複合材料と比較した。 IoU(Intersection-over-Union)は0.59-0.69から0.77-0.82まで,すべてのデータセットで高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-06-18T10:06:42Z)
• Heterogeneous SAR-optical fusion for near-real-time land use and land cover mapping under cloud contamination: A novel framework and global benchmark dataset [8.89851770832353]
  CloudLULC-Netは、エンドツーエンドのヘテロジニアスなSAR-光融合フレームワークである。 雲に汚染されたSentinel-2画像と時間的に隣接したSentinel-1 SAR観測からLULCマップを直接予測する。 CloudLULC-NetのOAは86.60%、F1スコアは83.29%、mIoUは73.51%である。
  論文  参考訳（メタデータ） (2026-06-16T09:25:10Z)
• GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
  GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。 GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。 GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-19T12:08:09Z)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• AtlasGS: Atlanta-world Guided Surface Reconstruction with Implicit Structured Gaussians [57.95719610327081]
  本研究では, アトランタ・ワールドガイド型暗黙構造型ガウシアン・スプレイティングを提案し, 屋内・都市景観のスムーズな再構築を実現する。 提案手法は,屋内・都市両場面における最先端の手法より優れ,表面の再現性に優れる。
  論文  参考訳（メタデータ） (2025-10-29T03:17:58Z)
• CLAIRE: A Dual Encoder Network with RIFT Loss and Phi-3 Small Language Model Based Interpretability for Cross-Modality Synthetic Aperture Radar and Optical Land Cover Segmentation [1.1237223647481338]
  本稿では、光学および合成開口レーダ(SAR)画像から、独立してモダリティ特有の特徴を抽出するデュアルエンコーダアーキテクチャを提案する。 この融合機構は、補完的な空間的特徴とテクスチャ的特徴を強調し、ネットワークがより詳細に多様な土地被覆パターンを捉えることを可能にする。 また,Small Language Model (Phi-3) によって生成される計量駆動推論モジュールを導入し,モデル予測のための専門家レベル,サンプル固有の正当性を生成する。
  論文  参考訳（メタデータ） (2025-09-15T14:10:52Z)
• A Deep Learning Architecture for Land Cover Mapping Using Spatio-Temporal Sentinel-1 Features [1.907072234794597]
  この研究は、アマゾン、アフリカ、シベリアの3つの異なる地域に焦点を当て、これらの地域の様々なエコリージョンにおけるモデルパフォーマンスを評価する。 その結果,訓練データに制限のある地域においても,総合的精度(O.A.)の達成における提案手法の有効性と能力が示された。
  論文  参考訳（メタデータ） (2025-03-10T12:15:35Z)
• Contrastive Region Guidance: Improving Grounding in Vision-Language Models without Training [79.27663870280038]
  Contrastive Region Guidance (CRG) は、オープンソースの視覚言語モデルで視覚的プロンプトに応答できる訓練不要のガイダンス手法である。 領域アノテーションが提供されると、CRGはViP-Benchで最大11.1%精度が向上する。 また,空間推論へのCRGの適用性を示すとともに,What'sUpでは10%の改善が見られた。
  論文  参考訳（メタデータ） (2024-03-04T18:55:30Z)
• 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。