論文の概要: Minerals in the Wild: A Hyperspectral-XRF Dataset for Elemental Composition Estimation

• arxiv url: http://arxiv.org/abs/2608.30537v1
• Date: Mon, 31 Aug 2026 10:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.34176
• Title: Minerals in the Wild: A Hyperspectral-XRF Dataset for Elemental Composition Estimation
• Title（参考訳）: 野生鉱物:元素組成推定のためのハイパースペクトルXRFデータセット
• Abstract要約: ミネラルズ・イン・ザ・ワイルドは、ヨーロッパ全土で収集された1,132個の岩石標本からなるデータセットである。 各試料について,XRFセンサを用いて得られた要素的特徴とHSIの取得について検討した。 我々は,HSI画素とUSGSスペクトルシグネチャをマッチングするための凸最適化アプローチに先立って,USGS辞書から離れたシグネチャを除去するプルーニング機構を提案する。
• 参考スコア（独自算出の注目度）: 0.6627152091494143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid mineral characterization is essential for applications ranging from mineral exploration to industrial ore processing. To this end, Hyperspectral Imaging (HSI) has emerged as a promising sensing modality thanks to its fine spectral resolution, enabling mineral discrimination in both close-range and remote sensing settings. However, the scarcity of publicly available datasets with reliable ground-truth labels hinders the development and evaluation of HSI-based mineral identification methods. We release Minerals in the Wild, a multi-purpose dataset comprising 1,132 rock specimens collected across Europe. For each specimen, we provide an HSI acquisition together with an elemental characterization obtained via an XRF sensor. We define the task of elemental characterization on our dataset and propose a pruning mechanism that removes distant signatures from the USGS dictionary prior to a convex optimization approach for matching HSI pixels with USGS spectral signatures. Finally, we empirically show that our approach outperforms simpler baselines.
• Abstract（参考訳）: 鉱物探査から工業用鉱石製造まで, 鉱物の迅速分析が不可欠である。 この目的のために、ハイパースペクトルイメージング(HSI)は、その微細な分光分解能により、望ましくない感度のモダリティとして出現し、近距離とリモートの両方で鉱物の識別を可能にしている。 しかし, 信頼できる地下構造ラベルを持つ公開データセットの不足は, HSIに基づく鉱物識別手法の開発と評価を妨げている。 ミネラルズ・イン・ザ・ワイルドはヨーロッパ全土で収集された1,132個の岩石標本からなる多目的データセットである。 各試料について,XRFセンサを用いて得られた要素的特徴とHSIの取得について検討した。 我々はデータセット上で要素的特徴付けのタスクを定義し、USGSのスペクトル署名とHSIの画素をマッチングするための凸最適化手法に先立って、USGSの辞書から離れたシグネチャを除去するプルーニング機構を提案する。 最後に、我々のアプローチがより単純なベースラインよりも優れていることを実証的に示します。

関連論文リスト

• Probing Geospatial SSL Representations with Environmental Signals [51.908606610432194]
  自己教師付き学習(SSL)は、単一のタスクに最適化された表現ではなく、汎用的で転送可能な表現を学ぶように設計されている。 SSL表現は、イメージングプロセスと共変する環境変数との統計的関連を保存しているか? この問題に対処するために、我々は、物理的に一貫した環境変数のグローバルデータセットである共配置ERA5再解析変数を用いてSSL表現を探索する。
  論文  参考訳（メタデータ） (2026-07-06T15:24:25Z)
• Towards Realistic Open-Vocabulary Remote Sensing Segmentation: Benchmark and Baseline [52.65099689153431]
  オープンボキャブラリリモートセンシングイメージセグメンテーション(OVRSIS)は、データセットの断片化、トレーニングの多様性の制限、評価ベンチマークの欠如などにより、まだ探索されていない。 我々はOVRSISの大規模かつアプリケーション指向のベンチマークである textitOVRSISBenchV2 を提案する。 以上の結果から,リアルなベンチマーク設計の重要性と,OVRSISの摂動型転送の有効性が示唆された。
  論文  参考訳（メタデータ） (2026-04-17T02:49:46Z)
• HyDeMiC: A Deep Learning-based Mineral Classifier using Hyperspectral Data [0.0]
  本研究では,HyDeMiC(Hyperspectral Deep Learning-based mineral)モデルを提案する。 学習したCNNモデルは、ノイズレベル1%、2%、5%、10%の合成2次元ハイパースペクトルデータセットを用いて評価した。 その結果,HyDeMiCはクリーンかつ低ノイズなデータセット上でほぼ完全な分類精度(MCC = 1.00)を達成し,中程度の雑音条件下での強い性能を維持した。
  論文  参考訳（メタデータ） (2026-01-24T07:57:01Z)
• Towards Automated Petrography [3.131620829073277]
  ペトログラフィー(英: Petrography)は、岩石の鉱物学的組成を分析する地質学の分野である。 LITHOS(Large-scale Imaging and Thin section Optical-polarization Set)は、自動ペトログラフィーのための、最大かつ最も多種多様な実験フレームワークである。 LITHOSには、偏光の211,604個の高分解能RGBパッチと、25の鉱物カテゴリにわたる105,802個のエキスパートアノテート穀物が含まれている。
  論文  参考訳（メタデータ） (2025-11-01T00:15:18Z)
• Phase-Locked SNR Band Selection for Weak Mineral Signal Detection in Hyperspectral Imagery [0.0]
  キュクライト鉱業地区における鉱物検出の強化のための2段階統合フレームワークを提案する。 第1段階では、各スペクトル帯域の信号-雑音比(SNR)を計算し、低SNR帯域を破棄するために位相同期しきい値法を適用する。 第2段階では、改良されたHSIデータをモデルに再導入し、KMeansクラスタリングを使用して12個の終端スペクトルを抽出する。
  論文  参考訳（メタデータ） (2025-08-01T11:26:49Z)
• STAR: A Benchmark for Astronomical Star Fields Super-Resolution [52.895107920663236]
  54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。 本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-22T09:28:28Z)
• From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data [0.0]
  我々は1次元のConvNeXt1Dニューラルネットワークアーキテクチャを用いて、スペクトル信号のみに基づいてミネラルスペクトルを分類する。 処理されたデータセットは、101か国にまたがる32,900以上の鉱物サンプルからなる。
  論文  参考訳（メタデータ） (2024-11-18T16:15:00Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Unsupervised ore/waste classification on open-cut mine faces using close-range hyperspectral data [1.8111829286068908]
  地雷面のスペクトルの教師なしマッピングのためのパイプラインを提案する。 提案したパイプラインは、鉱山の表面にミネラルをマッピングする統一システムにおいて、教師なしと自己教師付きのアルゴリズムを結合する。 マッピング機能の一貫性は、2つの異なる時間で取得されたデータを用いて実証される。
  論文  参考訳（メタデータ） (2023-02-09T21:03:03Z)
• Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
  ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
  論文  参考訳（メタデータ） (2021-11-29T23:28:18Z)
• Hyperspectral Image Super-Resolution with Spectral Mixup and Heterogeneous Datasets [99.92564298432387]
  ハイパースペクトル画像(HSI)超解像(SR)の研究 HSI SRは高次元データと限られたトレーニング例によって特徴づけられる。 これにより、非分布サンプルに対する記憶や感度などのニューラルネットワークの望ましくない動作が悪化する。
  論文  参考訳（メタデータ） (2021-01-19T12:19:53Z)

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。