論文の概要: Counting the Cost of War Under Satellite Embargo: Zero-Shot Estimation of Impacted Infrastructure
- arxiv url: http://arxiv.org/abs/2608.00119v1
- Date: Fri, 31 Jul 2026 10:26:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.461502
- Title: Counting the Cost of War Under Satellite Embargo: Zero-Shot Estimation of Impacted Infrastructure
- Title（参考訳）: 人工衛星禁止下の戦争費用の算定:衝突したインフラのゼロショット推定
- Abstract要約: 衝突した構造物の迅速な推定は、ストライク後の衛星データエンバーゴーと画像ブラックアウトによってしばしば妨げられる。
このボトルネックを回避するために、衝突した建物図をゼロショット幾何学的プロジェクションタスクとしてアーキバル・プレストライクマップ上で再フレーミングする。
本稿では,2次元セグメンテーション(SAMGeo)における解像度(ズーム)バイアスを除去する適応場(Adaptive Field-of-View)と,セグメンテーションマスクと組み合わせた2.5次元擬似重みマップを用いて,重なり合う高密度屋上を解消するLVLM(Large Vision-Language Models)を提案する。
- 参考スコア（独自算出の注目度）: 0.48495505229708397
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Rapid estimation of impacted structures - critical for conflict-zone humanitarian response - is frequently hindered by post-strike satellite data embargoes and imagery blackouts. We bypass this operational bottleneck by reframing impacted building mapping as a zero-shot geometric projection task on archival, pre-strike maps. Using coordinate and incident text from LiveUAMap and ArcGIS, Large Language Models extract weapon payloads (W) to project kinetic blast perimeters via Hopkinson-Cranz scaling (R_base = Z * W^(1/3)). To count exposed structures within these zones without post-strike imagery, we introduce two technical innovations: Adaptive Field-of-View to eliminate resolution (zoom) bias in 2D segmentation (SAMGeo), and 2.5D pseudo-height depth maps combined with segmentation masks to help Large Vision-Language Models (LVLMs) resolve overlapping, dense rooftops. Evaluated on 2026 Middle East conflict data, depth-augmented LVLMs dramatically outperform traditional segmentation in congested urban centers. This establishes a powerful hybrid paradigm for zero-shot crisis mapping: ultra-fast 2D segmentation for sparse rural zones, and depth-augmented LVLMs for dense urban environments.
- Abstract（参考訳）: 衝突ゾーンの人道的応答に重要な衝撃を受けた構造物の迅速な推定は、ストライク後の衛星データ禁輸や画像のブラックアウトによってしばしば妨げられる。
我々は,この運用上のボトルネックを回避するために,建物地図をゼロショット幾何投影タスクとして,アーチビカル・プレストライクマップ上で再フレーミングする。
LiveUAMapとArcGISの座標テキストとインシデントテキストを用いて、Large Language Modelsは兵器ペイロード(W)を抽出し、ホプキンソン・クランツスケーリング(R_base = Z * W^(1/3))を介して運動的爆発周波を投影する。
2次元セグメンテーション(SAMGeo)における解像度(ズーム)バイアスを除去する適応場・オブ・ビュー(Adaptive Field-of-View)と、2次元セグメンテーション(SAMGeo)と2.5次元擬似深度マップとセグメンテーションマスクを組み合わせることで、大型視照度モデル(LVLM)が重なり合う高密度屋根を解消する技術革新を導入する。
2026年の中東紛争データに基づいて評価されたLVLMは、密集した都市中心部の伝統的なセグメンテーションを劇的に上回っている。
これはゼロショット危機マッピングのための強力なハイブリッドパラダイム、すなわち、希少な農村地帯のための超高速2次元セグメンテーションと、密集都市環境のための深度拡大LVLMを確立する。
関連論文リスト
- 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) - SparseGF: A Height-Aware Sparse Segmentation Framework with Context Compression for Robust Ground Filtering Across Urban to Natural Scenes [13.187925022445434]
SparseGFはコンテキスト圧縮で強化された高さ対応スパースセグメンテーションフレームワークである。
複雑な都市の景観、混合地形における競争結果、密集した森林地帯における中等度かつ非破滅的な精度で高いパフォーマンスを達成している。
論文 参考訳（メタデータ） (2026-04-23T07:15:12Z) - OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。
既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。
本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
論文 参考訳（メタデータ） (2026-04-18T20:23:27Z) - Smart Transfer: Leveraging Vision Foundation Model for Rapid Building Damage Mapping with Post-Earthquake VHR Imagery [26.925877970467663]
伝統的災害被害調査は、異なる都市形態と新しい災害事象にまたがる一般化に失敗する。
本稿では,地震後の超高分解能(VHR)画像を用いた建物損傷の迅速マッピングのための新しいGeoAIフレームワークであるSmart Transferを紹介する。
2023年のトゥルカイ・シリア地震の実験と改善は、複数のクロスリージョン転送環境で有望な性能を示した。
論文 参考訳（メタデータ） (2026-04-03T01:35:52Z) - Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - Just Zoom In: Cross-View Geo-Localization via Autoregressive Zooming [4.396860522241306]
クロスビュージオローカライゼーションは、ストリートビュー画像とジオレファレンスされたオーバーヘッド画像とをマッチングすることにより、カメラの位置を推定する。
既存の手法は、対照的に訓練された埋め込み空間における画像検索問題としてCVGLをほぼ普遍的に定式化する。
都市規模のオーバヘッドマップ上でオートレズームによりCVGLを実行する代替式であるJust Zoom Inを提案する。
論文 参考訳（メタデータ） (2026-03-26T17:36:33Z) - Reconstructing Building Height from Spaceborne TomoSAR Point Clouds Using a Dual-Topology Network [17.230182354159258]
生のTtomoSAR点を高解像度のビルディングハイトマップに変換するための学習ベースのフレームワークを提案する。
我々の双対トポロジーネットワークは、不規則な散乱器の特徴をモデル化する点分枝と、空間的一貫性を強制する格子分枝とを交互に扱う。
これは、TtomoSAR点雲から直接、大規模な都市高度マッピングを行うための最初の概念実証である。
論文 参考訳（メタデータ） (2026-01-02T11:34:35Z) - EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。
また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。
CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
論文 参考訳（メタデータ） (2025-04-28T02:41:12Z) - StreetSurfGS: Scalable Urban Street Surface Reconstruction with Planar-based Gaussian Splatting [85.67616000086232]
StreetSurfGSは、スケーラブルな街路景観の再構築に適したガウススプラッティングを利用するための最初の方法である。
StreetSurfGSは、平面ベースのオクツリー表現とセグメンテーショントレーニングを使用して、メモリコストを削減し、ユニークなカメラ特性に対応し、スケーラビリティを確保する。
スパースビューとマルチスケールの課題に対処するために、隣接する情報と長期情報を活用する2段階マッチング戦略を用いる。
論文 参考訳（メタデータ） (2024-10-06T04:21:59Z) - Cross-View Geolocalization and Disaster Mapping with Street-View and VHR Satellite Imagery: A Case Study of Hurricane IAN [9.128051274958356]
本研究では,地すべりと損傷知覚推定を同時に行う新しい災害対応フレームワーク,CVDisasterを提案する。
CVDisasterは2つのクロスビューモデルから構成されており、CVDisaster-Geolocはクロスビューなジオローカライゼーションモデルを指す。
CVDisasterは, 微調整を限定して高い競争性能(局地化80%以上, 損傷知覚推定75%以上)を達成できることを示す。
論文 参考訳（メタデータ） (2024-08-13T09:37:26Z) - On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
本論文では,2種類の堅牢なクロスビュー整合性について検討する。
深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。
いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
論文 参考訳（メタデータ） (2022-09-19T03:46:13Z)
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。