論文の概要: FiLM-GPNet: Geometry-Aware Pseudo-Supervised Phase Restoration with Zero-Shot Generalization for Large Temporal InSAR Stacks
- arxiv url: http://arxiv.org/abs/2608.29384v1
- Date: Sat, 29 Aug 2026 17:50:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.948613
- Title: FiLM-GPNet: Geometry-Aware Pseudo-Supervised Phase Restoration with Zero-Shot Generalization for Large Temporal InSAR Stacks
- Title（参考訳）: FLM-GPNet: 時空間InSARスタックのゼロショット一般化による幾何学的擬似更新位相復元
- Authors: Getnet Demil, Muhammad Farhan Humayun, Tomi Westerlund, Jukka Heikkonen, Mourad Oussalah,
- Abstract要約: ラップ位相復元のための幾何条件付きネットワークFiLM-GPNetを提案する。
これは、FiLM (Feature-wise Linear Modulation) と 7D per-pair ジオメトリ・ディスクリプタ(英語版)を用いて取得の違いに適応する。
時間的残留率(ハワイ)は68%、西オーストラリア(オーストラリア)は66%減少する。
- 参考スコア（独自算出の注目度）: 2.5428307120715634
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing availability of dense commercial Synthetic Aperture Radar (SAR) time series enables temporal Interferometric SAR (InSAR) analysis, but fixed classical filters fail under heterogeneous acquisition geometries, degrading phase quality and temporal consistency. We propose FiLM-GPNet, a geometry-conditioned network for wrapped-phase restoration that explicitly adapts to acquisition differences using Feature-wise Linear Modulation (FiLM) and a 7D per-pair geometry descriptor. The model is trained with pseudo-supervision from Goldstein-filtered interferograms and regularized by interferometric physics via triplet-closure consistency, while also estimating per-pixel aleatoric uncertainty. Experiments on three Capella Spotlight stacks from the IEEE GRSS 2026 Data Fusion Contest show that FiLM-GPNet reduces temporal residual by 68% (Hawaii) and 66% (Western Australia) relative to the Goldstein baseline, alongside closure error reductions of 10% and 13%, respectively. In Western Australia, it further improves unwrapping success rate by 7.7 percentage points and Digital Elevation Model (DEM) Normalized Median Absolute Deviation (NMAD) by 31%. The model also shows strong zero-shot generalization to a geographically and geometrically distinct third stack (Los Angeles) without retraining, supporting geometry-conditioned restoration as an effective alternative to fixed classical filtering across heterogeneous stacks.
- Abstract（参考訳）: SAR (Synthetic Aperture Radar) の高密度化により, 時間干渉SAR (InSAR) 解析が可能となったが, 固定古典フィルタは不均一な取得測度, 位相品質, 時間整合性で故障する。
本研究では,FiLM (Feature-wise Linear Modulation) と 7D per-pair ジオメトリ記述子を用いた取得差に明示的に適応する,ラップ位相復元のための幾何条件付きネットワークであるFiLM-GPNetを提案する。
このモデルは、ゴールドスタインフィルタによる干渉電図からの擬似スーパービジョンで訓練され、トリプルトクロージャの整合性を通じて干渉物理学によって正規化され、画素あたりの不確実性も推定される。
IEEE GRSS 2026 Data Fusion ContestによるCapella Spotlightスタックの3つの実験により、FiLM-GPNetは、Goldsteinベースラインに対する時間的残留率を68%(ハワイ)と66%(西オーストラリア)に削減し、それぞれ10%と13%のクロージャエラーを低減した。
西オーストラリアでは7.7ポイント、デジタル標高モデル(DEM)正規化メディア絶対偏差(NMAD)が31%向上している。
このモデルはまた、幾何的および幾何学的に異なる第三のスタック(ロサンゼルス)への強いゼロショットの一般化を再訓練することなく示し、不均一なスタックをまたいだ固定古典的フィルタリングの効果的な代替手段として幾何条件の復元をサポートする。
関連論文リスト
- VGGT-Align: Bridging Local Reconstruction and Global Consistency for Long-Sequence 3D Reconstruction [8.983872448985627]
本稿では,シーンを駆動するなどの構造的環境において,時間的セグメント間での幾何量の変化は本質的に不変である,という重要な洞察に基づいて構築されたスケール一貫性向上フレームワークを提案する。
SGIA(Scene Geometric Invariant Anchoring)を提案する。
複数のロングシーケンスベンチマークの実験では、最先端の性能を示し、絶対軌道誤差を最大32%削減し、軌道安定性と復元品質を大きく向上させた。
論文 参考訳（メタデータ） (2026-08-15T14:32:55Z) - ReFP-AD: Rectified Flow Preconditioning for Energy-Based Anomaly Detection [5.928947106987821]
統一された異常検出には、異常なサンプルにアクセスすることなく、高度に異質な正規データをモデル化する必要がある。
本稿では,ReFP-AD(Rectified Flow Preconditioning for Anomaly Detection)を提案する。
厳格な統一プロトコルの下では、ReFP-ADはMVTec-AD上で98.6%/97.9%のImage/Pixel AUROC、VisAで97.3%/99.0%を獲得し、画像AUROCにおいて、以前の統一されたEBMベースラインを+10.8%上回っている。
論文 参考訳（メタデータ） (2026-08-03T07:03:51Z) - GAP-GDRNet: Geometry-aware monocular 6D pose estimation for spacecraft using synthetic geometric supervision [7.240627719297504]
GAP-GDRNetはGDR-Net上に構築された単一ターゲットの合成宇宙船ベンチマーク用のフレームワークである。
Blenderベースのレンダリングアノテーションプロセスから、デンス管理を得る。
自作の宇宙船データセットでは、GAP-GDRNetの回転誤差は1.96circ$で、翻訳誤差は0.0165m、ADD@0.02mが95.16%である。
論文 参考訳（メタデータ） (2026-07-02T16:02:24Z) - Coverage Analysis of Rydberg Atom Quantum Receiver Arrays: A Stochastic Geometry Approach [55.47164192369501]
ライドバーグ原子量子受信機(RAQR)は、量子制限感度とブロードバンドチューナビリティを提供する。
密集した展開において、集合的干渉は原子トランスデューサを小さな信号状態から外すことができる。
本稿では、RAQRフロントエンドを幾何学的カバレッジ分析に埋め込むことで、この問題に対処する。
論文 参考訳（メタデータ） (2026-05-22T04:05:13Z) - ArcGate: Adaptive Arctangent Gated Activation [62.5098969984518]
本稿では,アクティベーション形状の広いスペクトルを生成するフレキシブルな定式化であるAdaptive Arctangent Gated Activation関数を提案する。
我々は、PatternNet、UC Merced Land Use、13バンドのEuroSAT MSIマルチスペクトルデータセットの3つのリモートセンシングベンチマークでArcGateを評価した。
論文 参考訳（メタデータ） (2026-05-14T08:00:46Z) - Bridging the Geometry Mismatch: Frequency-Aware Anisotropic Serialization for Thin-Structure SSMs [6.490344405865677]
FGOS-Netは周波数許容型幾何学的歪みに基づくフレームワークである。
4つの挑戦的なベンチマークで、一貫して強力なベースラインを上回ります。
91.3% mIoUと97.1% clDiceをDeepCrackで達成し、80 FPSで7.87 GFLOPしか走らない。
論文 参考訳（メタデータ） (2026-03-30T14:39:04Z) - PointNSP: Autoregressive 3D Point Cloud Generation with Next-Scale Level-of-Detail Prediction [87.33016661440202]
自動回帰ポイントクラウド生成は、長い間、拡散ベースの品質アプローチに遅れを取ってきた。
低解像度で大域的な形状を保った粗大な生成フレームワークであるPointNSPを提案する。
ShapeNetの実験によると、PointNSPは自己回帰パラダイムの中で初めて、最先端(SOTA)生成品質を確立している。
論文 参考訳（メタデータ） (2025-10-07T06:31:02Z) - Taming Anomalies with Down-Up Sampling Networks: Group Center Preserving Reconstruction for 3D Anomaly Detection [59.822737536103155]
グループ中心幾何構造を保存して3次元異常検出のための高精度点雲を再構成するために,ダウンアップサンプリングネットワーク(DUS-Net)を提案する。
提案手法は、オブジェクトレベルのAUROCの79.9%と79.5%、Real3D-ADおよびAnomaly-ShapeNetデータセットの71.2%と84.7%のポイントレベルのAUROCを用いて、最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2025-07-05T05:05:36Z) - Point Cloud Denoising With Fine-Granularity Dynamic Graph Convolutional Networks [58.050130177241186]
ノイズの摂動は、しばしば3次元の点雲を破損させ、表面の再構成、レンダリング、さらなる処理といった下流のタスクを妨げる。
本稿では,GDGCNと呼ばれる粒度動的グラフ畳み込みネットワークについて紹介する。
論文 参考訳（メタデータ） (2024-11-21T14:19:32Z) - SGCNeRF: Few-Shot Neural Rendering via Sparse Geometric Consistency Guidance [136.15885067858298]
本研究では、空間的に一貫した幾何フィルタリング機構と周波数誘導幾何正規化戦略により強化された特徴マッチングに基づくスパース幾何正規化モジュールを提案する。
実験により, SGCNeRFは, LLFFおよびDTUにおけるPSNRの0.7dBの改善により, 優れた幾何整合性を実現し, かつFreeNeRFを超えていることが示された。
論文 参考訳（メタデータ） (2024-04-01T08:37:57Z)
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。