論文の概要: Warping Earth Observations for better ice labeling in the Marginal Marginal Ice Zone
- arxiv url: http://arxiv.org/abs/2608.11883v1
- Date: Wed, 12 Aug 2026 10:09:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.551636
- Title: Warping Earth Observations for better ice labeling in the Marginal Marginal Ice Zone
- Title（参考訳）: マルジナル・マルジナル・アイスゾーンにおけるより良い氷のラベリングのための温暖化地球観測
- Abstract要約: マルチモーダル衛星画像は、地球観測のための補完的な情報を提供する。
不均一なセンサーを正確に組み合わせることは 動的環境において困難です
南極の縁氷帯のような急激な変化は、マルチモーダル情報を完全に活用することはできない。
本稿では,マルチサテライトシーンを整列させるための相互情報ワープに基づく新しいアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 2.0216691631625276
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Multimodal satellite imagery provides complementary information for Earth Observation, but accurately combining heterogeneous sensors remains challenging in dynamic environments. Fast-changing regions, such as the Antarctic marginal ice zone, cannot fully exploit multimodal information from different satellite sensors because surface features move between image acquisitions. This spatial and temporal mismatch challenges effective perceptual grounding, violating the assumption of pixel-level correspondence that underpins most multimodal reasoning and downstream classification pipelines. Antarctic sea ice provides a challenging benchmark due to the rapid, heterogeneous drift of individual ice floes and the differing responses of sea ice to radar, visible and thermal sensing modalities. Accurate, dense supervision of sea ice remains scarce because generating pixel-wise labels requires time-consuming expert interpretation of noisy data, leading to historical reliance on coarse-resolution maritime ice charts for model training. This paper presents a novel architecture based on mutual information warping to align multi-satellite (Sentinel-1 and MODIS platforms) multimodal (visible, thermal, radar) satellite scenes. To demonstrate the approach, we introduce a sparse expert-labeled dataset of 2,088 pixel-wise annotations (7,046 expert point classifications) located at the ice-water margin interface across 43 scenes. Our results demonstrate that spatially grounding and aligning modalities prior to segmentation improves classification accuracy, and enables accurate, dense sea ice segmentation from sparse point-wise supervision.
- Abstract（参考訳）: マルチモーダル衛星画像は、地球観測のために補完的な情報を提供するが、異種センサーを正確に組み合わせることは、動的環境において難しいままである。
南極の縁氷帯のような高速に変化する領域は、画像の取得間で表面の特徴が移動するため、異なる衛星センサーからのマルチモーダル情報を完全に活用することはできない。
この空間的および時間的ミスマッチは、多くのマルチモーダルな推論と下流の分類パイプラインを支えるピクセルレベルの対応の仮定に反する、効果的な知覚的グラウンド化に挑戦する。
南極海氷は、個別の氷床の急激で均一な漂流と、レーダー、可視、熱感知モードに対する海氷の反応が異なるため、挑戦的なベンチマークを提供する。
高精度で密集した海氷の監視は、ピクセルワイドなラベルを生成するには、ノイズの多いデータの専門的な解釈を必要とするため、モデルトレーニングのための粗い解像度の海氷チャートに歴史的に依存しているため、依然として不十分である。
本稿では,マルチサテライト(Sentinel-1およびMODISプラットフォーム)マルチモーダル(可視,サーマル,レーダ)衛星シーンを協調する相互情報ワープに基づく新しいアーキテクチャを提案する。
提案手法を実証するために,43シーンにわたる氷水境界界面に位置する2,088ピクセル単位のアノテーション(7,046点の分類)のスパースな専門家ラベル付きデータセットを導入した。
以上の結果から, セグメンテーション前の空間的接地と整列により, 分類精度が向上し, 疎点管理による海氷セグメンテーションの高精度化が可能であることが示唆された。
関連論文リスト
- A Rapid GeoSAM-Based Workflow for Multi-Temporal Glacier Delineation: Case Study from Svalbard [51.56484100374058]
我々は,Sentinel-2画像からの氷河の高速デライン化のためのGeoSAMに基づく半自動ワークフローを提案する。
その結果, 本手法は, 主要な氷河体に対して, 空間的に一貫性があり, 時間的に一貫した輪郭を生じさせることが示唆された。
導出RGB画像への依存により、他の光学データセットに柔軟で転送可能である。
論文 参考訳（メタデータ） (2025-12-28T09:42:01Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - Modeling Heterogeneity across Varying Spatial Extents: Discovering Linkages between Sea Ice Retreat and Ice Shelve Melt in the Antarctic [0.08181515205451795]
本研究では,海氷の後退と南極棚氷(AIS)の融解との関係について検討する。
従来のモデルでは、海氷とAISを別々のシステムとして扱い、局所的なリンクとカスケードフィードバックをキャプチャする能力を制限する。
我々の分析は、海氷の後退が海洋格子上でどのように進行し、氷棚が直接リンクを築き上げていくかを示している。
論文 参考訳（メタデータ） (2025-06-18T17:19:07Z) - Assessing Foundation Models for Sea Ice Type Segmentation in Sentinel-1 SAR Imagery [2.255599116578844]
本研究では,Sentinel-1画像を用いた海氷型セグメンテーションの基礎モデル10点について検討した。
選択されたモデルの中で、Prithvi-600Mはベースラインモデルより優れており、CROMAはF1スコアで非常によく似たパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-28T15:21:08Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。
本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。
この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
論文 参考訳（メタデータ） (2023-09-19T10:57:53Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water
Extent with SAR Images using Knowledge Distillation [44.99833362998488]
トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。
我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。
実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
論文 参考訳（メタデータ） (2023-05-02T18:06:21Z) - AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です
深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。
本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
論文 参考訳（メタデータ） (2023-02-06T12:39:40Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z) - Deep Tiered Image Segmentation For Detecting Internal Ice Layers in
Radar Imagery [8.09102093271587]
地中レーダーは、雪と氷の内部構造を観測することができる。
近年の研究では、氷と岩盤の境界を見つけるための自動技術が開発されている。
本稿では,階層分割問題の一般的なクラスを解くための新しいディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-10-08T01:13:03Z)
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。