論文の概要: Enhancing the KidSat Model: Integrating Geographical Encoding and Data Quality Assessment for Childhood Poverty Prediction
- arxiv url: http://arxiv.org/abs/2607.08281v1
- Date: Thu, 09 Jul 2026 09:22:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.488872
- Title: Enhancing the KidSat Model: Integrating Geographical Encoding and Data Quality Assessment for Childhood Poverty Prediction
- Title（参考訳）: KidSatモデルの拡張:子どもの貧困予測のための地理エンコーディングとデータ品質評価の統合
- Abstract要約: 衛星画像を用いた正確な貧困マッピングは, (i) ノイズやスパース調査による監視, (ii) 雲の覆いや画像の破損といった画像品質の問題, (iii) 画像のみのモデルでは空間構造が明示されていないこと,などによって妨げられることが多い。
改良されたデータ前処理, 画像品質評価, 数学的に定義された地理符号化による予測精度を向上させるパイプラインを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate poverty mapping using satellite imagery is often hindered by (i) noisy and sparse survey-derived supervision, (ii) image quality issues such as cloud cover and image corruption, and (iii) lack of explicit spatial structure in image-only models. Building on the KidSat framework, we develop an enhanced pipeline that improves predictive accuracy via refined data preprocessing, systematic image quality assessment, and mathematically defined geographic encoding. First, we refine the fine-tuning target matrix by resolving high-cardinality sparsity and reducing one-hot dimensionality from 103 to 51 via DHS re-aggregation. Second, we introduce a simple two-stage quality-screening procedure to filter heavily clouded or corrupted observations. Third, we fuse DINOv2 visual embeddings with Spherical Harmonics (SH) location features. Across extensive experiments, these changes reduce MAE from 0.2167 to 0.1759, corresponding to an 18.83% relative reduction on the cluster-level severe-deprivation proportion scale. When extended from 16 to 33 African countries, the best-performing configuration achieves an overall MAE of 0.1658. We find that SH features consistently improve performance over the image-only backbone, whereas higher-capacity coordinate Multi Layer Perception augmentation (SH+SIREN) can underperform without carefully designed objectives. Finally, gradient-boosted tree heads (XGBoost/LightGBM) most effectively exploit nonlinear interactions in the fused visual-geographic representation. These findings provide a scalable and principled recipe for improving satellite-based socioeconomic predictions using only publicly accessible data.
- Abstract（参考訳）: 衛星画像を用いた正確な貧困マッピングは、しばしば障害となる
一 騒音及びスパース調査による監督
(二)雲の覆いや画像の腐敗等の画質上の問題
3)画像のみのモデルでは空間構造が明確でない。
我々は,KidSatフレームワーク上に構築され,改良されたデータ前処理,体系的な画像品質評価,数学的に定義された地理符号化による予測精度を向上させるパイプラインを開発した。
まず, DHS再凝集法により, 高硬度空間を解消し, 1ホット次元を103から51に減らし, 微調整対象行列を改良する。
第2に、重雲や腐敗した観測をフィルタリングする簡易な2段階品質スクリーニング手法を導入する。
第3に、DINOv2視覚埋め込みとSpherical Harmonics (SH)位置情報機能を融合する。
大規模な実験で、これらの変更によりMAEは0.2167から0.1759に減少し、18.83%のクラスタレベルの重傷率スケールの相対的な減少に対応する。
16か国から33か国に拡張された場合、最高性能のMAEは0.1658である。
SH機能は画像のみのバックボーンよりも常に性能が向上するのに対し、高容量座標のSH+SIREN(Multiple Layer Perception Augmentation)は慎重に設計されることなく性能を低下させることができる。
最後に,XGBoost/LightGBM (GGBoost/LightGBM) は融解された視覚地理学的表現における非線形相互作用を効果的に活用する。
これらの知見は、衛星ベースの社会経済予測を改善するためのスケーラブルで原則化されたレシピを提供する。
関連論文リスト
- 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) - Digital Image Forgery Detection Using Transfer Learning [0.3914676152740142]
本研究では,デジタル画像偽造検出のための転送学習フレームワークを提案する。
圧縮認識機能拡張とディープ畳み込みニューラルネットワーク(CNN)アーキテクチャを統合する。
全体として、提案フレームワークは、操作成果物の可視性を向上し、分類の堅牢性を向上し、現実世界のデジタル画像偽造検出シナリオに適している。
論文 参考訳（メタデータ） (2026-05-04T17:48:36Z) - SATMapTR: Satellite Image Enhanced Online HD Map Construction [11.506320277209745]
ハイデフィニション(HD)マップは、事前アノテーションからリアルタイムな構築へと進化し、多様なシナリオにおける自動運転のサポートを改善している。
近年の取り組みは衛星画像を補助的な入力として導入し、限られたエゴ視点を補完する安定した広域ビューを提供してきた。
衛星画像を2つのキーコンポーネントに効果的に融合する新しいオンライン地図構築モデルSATMapTRを提案する。
論文 参考訳（メタデータ） (2025-12-12T06:37:20Z) - Leveraging Compact Satellite Embeddings and Graph Neural Networks for Large-Scale Poverty Mapping [2.913413516711343]
サブサハラアフリカにおけるクラスタレベルの富の指標を予測するためのグラフベースの手法を提案する。
調査対象地と未ラベル地との間の空間的関係をモデル化することにより,既存の調査以上の富の予測の一般化を改善する。
論文 参考訳（メタデータ） (2025-11-03T10:00:31Z) - RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。
提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-23T15:41:40Z) - PCE-GAN: A Generative Adversarial Network for Point Cloud Attribute Quality Enhancement based on Optimal Transport [56.56430888985025]
点雲品質向上のための生成逆ネットワーク(PCE-GAN)を提案する。
ジェネレータは、局所特徴抽出(LFE)ユニット、大域空間相関(GSC)ユニット、特徴圧縮ユニットからなる。
判別器は、強化点雲と原点雲の確率分布のずれを計算し、ジェネレータを誘導して高品質な再構成を実現する。
論文 参考訳（メタデータ） (2025-02-26T07:34:33Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - CLiSA: A Hierarchical Hybrid Transformer Model using Orthogonal Cross
Attention for Satellite Image Cloud Segmentation [5.178465447325005]
ディープラーニングアルゴリズムは画像セグメンテーション問題を解決するための有望なアプローチとして登場してきた。
本稿では,Lipschitz Stable Attention NetworkによるCLiSA - Cloudセグメンテーションという,効果的なクラウドマスク生成のためのディープラーニングモデルを提案する。
Landsat-8, Sentinel-2, Cartosat-2sを含む複数の衛星画像データセットの質的および定量的な結果を示す。
論文 参考訳（メタデータ） (2023-11-29T09:31:31Z) - Combining UPerNet and ConvNeXt for Contrails Identification to reduce
Global Warming [0.0]
本研究は,地球規模の衛星画像における航空機のコントラル検出に着目し,コントラルモデルの改善と気候変動への影響を緩和する。
NOAA GOES-16衛星画像のための革新的なデータ前処理技術を開発した。
クラス不均衡に取り組むために、トレーニングデータセットは、正の反則ラベルを持つイメージのみを含む。
論文 参考訳（メタデータ） (2023-10-07T13:59:05Z) - Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。
DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。
我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
論文 参考訳（メタデータ） (2022-01-04T08:30:09Z) - Attention Based Real Image Restoration [48.933507352496726]
深層畳み込みニューラルネットワークは、合成劣化を含む画像に対してより良い性能を発揮する。
本稿では,新しい1段ブラインド実画像復元ネットワーク(R$2$Net)を提案する。
論文 参考訳（メタデータ） (2020-04-26T04:21:49Z) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳（メタデータ） (2020-02-07T03:45:25Z)
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。