論文の概要: Self-Calibrating Dense Displacement Fields for Reliable Co-Registration of Large Optical Satellite Imagery

• arxiv url: http://arxiv.org/abs/2608.22300v1
• Date: Sun, 23 Aug 2026 08:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.713901
• Title: Self-Calibrating Dense Displacement Fields for Reliable Co-Registration of Large Optical Satellite Imagery
• Title（参考訳）: 大規模光学衛星画像の信頼性共登録のための自己校正密度変位場
• Abstract要約: 共同登録は、光学衛星画像の時間・マルチセンサー利用のほぼすべての基盤となる。 SCDF, トレーニング不要なGPUフリーな推定器で, 動きモデル自体が画素あたりの高密度変位場である。 実際のSentinel Landsat-8/9とNAIP画像から構築された584基の地上トラスペアでは、SCDFは故障のない全てのペアを登録する。
• 参考スコア（独自算出の注目度）: 4.730120849611304
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Co-registration underlies nearly every multi-temporal and multi-sensor use of optical satellite imagery, and operational products still carry documented offsets well above the fraction-of-a-pixel scale at which change detection, time series, and data fusion degrade. Real image pairs differ along several axes at once (sensor response, scene content, viewing geometry, resolution, mosaic seams), and the last of these is not a single global motion. Existing tools embed a motion model and constants tuned to their development data; a pair that fits is registered precisely, while one that does not either fails to match or returns a result wrong by tens of pixels with no failure reported. Learned matchers add a GPU requirement and carry no accuracy guarantee outside their training distribution. We present SCDF (self-calibrating displacement fields), a training-free, GPU-free estimator whose motion model is the dense per-pixel displacement field itself, so no scene motion falls outside the model. A single predict--measure--filter loop runs over a resolution pyramid: the accumulated field predicts where each patch of the moving image falls in the reference, RootSIFT matching and a correlation pass measure the displacement there to sub-pixel precision, and filters whose thresholds are all calibrated on the image pair itself decide what survives. One configuration, with no per-dataset tuning, processes full $8192^2$ scenes on a single CPU core. On 584 constructed-ground-truth pairs built from real Sentinel-2, Landsat-8/9, and NAIP imagery, against seven classical baselines and two zero-shot pretrained matchers, SCDF registers every pair with zero failures, reduces the best baseline's real-pair median end-point error from 6.83 to 4.17m, and cuts its 90th percentile from 17.8 to 7.77m.
• Abstract（参考訳）: 共同登録は、光学衛星画像のほぼすべての時間・マルチセンサー利用を基盤としており、運用製品は、変化検出、時系列、データ融合が劣化するピクセル単位の差分スケールよりもはるかに大きい文書化されたオフセットを今でも持っている。 実像対は、複数の軸(センサー応答、シーン内容、視線幾何学、解像度、モザイクシーム)に沿って一度に異なる。 既存のツールは、動作モデルと開発データに調整された定数を埋め込む; 適合するペアは正確に登録されるが、一致しなかったり、失敗を報告せずに数十ピクセルの画素で間違った結果を返す。 学習されたマーカはGPU要件を追加し、トレーニングディストリビューションの外で正確性を保証する。 SCDF (self-calibrating shift field) は, 運動モデル自体が高密度な画素あたりの変位場である, トレーニング不要なGPUフリーな推定器であり, シーンの動きはモデル外には入らない。 蓄積されたフィールドは、移動画像の各パッチが基準に該当する場所を予測し、RootSIFTマッチングと相関パスは、その変位をサブピクセル精度に測定し、画像ペア自体で閾値が調整されたフィルタが生存を決定する。 1つの構成は、データセットごとのチューニングなしで、1つのCPUコアで8192^2$のシーンを処理します。 実のSentinel-2、Landsat-8/9、NAIP画像から構築された584基のグラウンド・トゥルース・ペアは、古典的な7つのベースラインと2つのゼロショット事前訓練されたマッカーに対して、SCDFは0の故障で全てのペアを登録し、最良のベースラインの真対中央の終点誤差を6.83から4.17mに減らし、90%を17.8から7.77mに減らした。

関連論文リスト

• LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics [50.45297537821907]
  我々はLeJEPAの崩壊のない目的の下で訓練された最初のビデオエンコーダLeVJEPAを紹介する。 単一のエンコーダは、クリップのグローバルおよびローカルビューよりも分散損失で訓練される。 LeVJEPAはV-JEPA 2とVT-S/B/Lの5.6から20.8倍の速さで一致または超える。
  論文  参考訳（メタデータ） (2026-08-27T17:26:24Z)
• Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
  イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。 本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。 公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
  論文  参考訳（メタデータ） (2026-08-25T08:27:42Z)
• LoRetta: A Foundation Model and Extensive Dataset for Global-Scale Remote Sensing Dense Image Matching [39.25581475845445]
  一致可能性を考慮したアフィンの局所化と高密度登録を導出する基礎モデルであるLoRettaを提案する。 また、LEVIR-GMは、データセット固有のマッチング性ラベルを持つグローバルスケールの多時間光マッチングベンチマークである。 LEVIR-GMでは、ローレッタは曲線(AUC)の83.3%の領域を達成し、最強のベースラインであるRoMa v2を1.6ポイント上回っている。
  論文  参考訳（メタデータ） (2026-08-04T18:02:19Z)
• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• Moving Like a Human: Ego-Motion-Normalized Temporal Signatures for Real-Time Aerial Person Tracking on Milliwatt-Class Hardware [1.932555230783329]
  追跡はドローン自体で行わなければならない。 EMT-Detは、エゴモーションを推定する5段階のシステムである。 Raspberry Pi Zero 2Wでは、パイプラインは31.85 FPS、AP25は0.462、UAVは0.714である。
  論文  参考訳（メタデータ） (2026-07-09T19:30:00Z)
• OctoSense: Self-Supervised Learning for Multimodal Robot Perception [50.20346079739425]
  ステレオカメラとイベントカメラ、LiDAR、サーマルカメラ、慣性測定ユニット、プロプリセプション(車からのCANバスデータ、四足歩行ロボットの関節角度)を備えたオープンソースのセンサプラットフォームであるOctoSenseについて述べる。 匿名のOctoSenseデータセットには、59時間の時間同期駆動データが含まれている。 このような実世界のデータを用いて,センサの表現,周波数,レイテンシ,ノイズの異なるマルチモーダル自己教師型学習を実演する。
  論文  参考訳（メタデータ） (2026-06-25T17:30:49Z)
• Diffusion Transformer World-Action Model for AV Scene Prediction [0.0]
  アクションコンディショニングされた世界モデルは、自動運転車が将来のカメラシーンを独自のコントロールから予測することを可能にする。 しかし、コンパクトで訓練可能なスケールでは、未来は曖昧であり、フィールドの標準歪み指標は積極的に誤解を招く。 我々はこれを、冷凍デコーダが最大256倍256ドルフレームを最大8秒前にレンダリングする将来のシーンの潜伏を予測するコンパクトな潜伏世界モデルと対決する。
  論文  参考訳（メタデータ） (2026-06-11T07:24:12Z)
• iSAGE: A Human-in-the-Loop Framework for Remote Sensing Semantic Segmentation via Sparse Point Supervision [0.1749935196721634]
  既存のHuman-in-the-loopフレームワークは、余分なクリックを補助機械を介して密集した監視に拡張する。 本稿では, 任意の画素ではなく, 信頼度の高いモデル誤差をターゲットとした, 専門家によるクリックが, 厳密な監督と一致させるのに十分である,という仮説を立てる。 iSAGEは補助機械を使わずに動作する唯一の反復型人間-イン-ザ-ループフレームワークである。
  論文  参考訳（メタデータ） (2026-06-08T20:09:35Z)
• Real-Time Oriented Object Detection Transformer in Remote Sensing Images [36.48263676876599]
  本稿では,初のリアルタイム・エンドツーエンド指向オブジェクト検出装置であるリアルタイム指向オブジェクト検出変換器を提案する。 具体的には、角度の回帰を再構成するために、角度分布の微細化を提案する。 また、トレーニングを安定させ、4つのノイズモードを解析するために、指向性コントラストデノケーションを提案する。
  論文  参考訳（メタデータ） (2026-03-16T16:28:31Z)
• SOTA: Spike-Navigated Optimal TrAnsport Saliency Region Detection in Composite-bias Videos [50.51658520045165]
  Spike-d TrAnsport Saliency Region Detection (SOTA)は、スパイクカメラの強度を活用しつつ、空間次元と時間次元の両方のバイアスを緩和するフレームワークである。 本手法では,微妙なフレーム・ツー・フレームの変動を捉えるために,スパイクに基づくマイクロデビア(SM)を導入する。 SOTAは様々な条件にまたがる不整合を減らして予測を洗練させる。
  論文  参考訳（メタデータ） (2025-05-01T08:30:40Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)

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。