論文の概要: A Composition-Aware Pretraining Framework for Geospatial Foundation Models
- arxiv url: http://arxiv.org/abs/2608.30817v1
- Date: Mon, 31 Aug 2026 14:00:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.428097
- Title: A Composition-Aware Pretraining Framework for Geospatial Foundation Models
- Title(参考訳): 地理空間モデルのための構成対応事前学習フレームワーク
- Abstract要約: 本研究では,土地と土地の混合を明示的に符号化した構成対応事前学習フレームワークを提案する。
各衛星画像セルは、その部分的な土地被覆分布を表すヒストグラムにマッピングされる。
実験により,構成意識による事前学習が地域レベルの理解タスクにおいてかなりの利益をもたらすことが示された。
- 参考スコア(独自算出の注目度): 0.6999740786886535
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geospatial foundation models have emerged as state-of-the-art methods for downstream Earth observation tasks. However, existing pretraining methodologies process imagery through a single-concept lens, failing to capture the highly compositional nature of complex satellite scenes. We propose a composition-aware pretraining framework that explicitly encodes fractional land-cover mixtures. Each satellite image cell is mapped to a histogram representing its fractional land-cover distribution, which we term the "composition target". These targets serve as the primary prediction objective and are distilled into the backbone using Earth Mover's Distance. Experimental evaluation shows that composition-aware pretraining yields substantial gains on region-level understanding tasks requiring semantic similarity judgment, including zero-shot image retrieval and scene classification, while remaining competitive on tasks requiring fine-grained spatial precision, such as segmentation and object detection. With a 36.8M-parameter backbone, our framework outperforms SatMAE and Prithvi-EO-2.0, which contain 303M and 600M parameters, respectively, in most retrieval and scene classification settings. On the fine-grained ForestNet-12 dataset, a rigorous testbed for compositional discrimination, our method boosts baseline mAP@10 from 0.279 to 0.434, a 55.6% relative improvement, providing direct evidence for the effectiveness of explicit composition modeling. The code implementation can be found at https://github.com/05kashyap/GFM_Composition_Pretraining
- Abstract(参考訳): 地球空間基盤モデルは、下流の地球観測タスクの最先端の手法として登場した。
しかし、既存の事前訓練手法は単一の概念レンズを通して画像を処理し、複雑な衛星シーンの高度に構成的な性質を捉えられなかった。
本研究では,土地と土地の混合を明示的に符号化した構成対応事前学習フレームワークを提案する。
各衛星画像セルは、その部分的な土地被覆分布を表すヒストグラムにマッピングされる。
これらのターゲットは第一の予測目標として機能し、アース・モーバーの距離を使って背骨に蒸留される。
画像検索やシーン分類など,意味的類似性判定を必要とする領域レベルの理解タスクに対して,構成意識による事前学習が,セグメンテーションやオブジェクト検出といった細かな空間的精度を必要とするタスクにおいて競争力を維持しながら,かなりの利益を得ることを示す実験評価を行った。
36.8M パラメータのバックボーンでは,SatMAE と Prithvi-EO-2.0 がそれぞれ 303M と 600M のパラメータを含む。
構成識別のための厳密なテストベッドであるフォレストNet-12データセットでは, 基準となるmAP@10を0.279から0.434に引き上げ, 55.6%の相対的改善を実現した。
コードの実装はhttps://github.com/05kashyap/GFM_Composition_Pretrainingで確認できる。
関連論文リスト
- Back to the Feature: Zero-Shot 6DoF Pose Estimation via Dense Local Features [0.0]
RGB画像から見えない物体の6DoFポーズ推定のための訓練不要ゼロショット法であるB2oseを提案する。
B2oseは、タスク固有の微調整なしで、合成と現実のドメインギャップをまたいで一般化する、密集したパッチレベルの特徴を抽出する。
BOPベンチマークの7つのコアデータセットでは、B2oseは改善のない40.7の平均ARと56.4の洗練を実現している。
論文 参考訳(メタデータ) (2026-09-06T16:57:27Z) - Ground-to-Satellite Localization in Unconstrained Image Collections for 3D Scene Reconstruction [9.370818606626663]
衛星画像に対する地上画像のローカライゼーションは,測位精度の高いジオローカライズされた3Dシーン再構築の鍵となる。
既存のクロスビューのローカライゼーション手法にはパノラマ画像や既知の初期位置といった厳しい要件がある。
本稿では,Structure-from-Motion(SfM)モデルからの幾何的制約を利用する,堅牢な階層的クロスビューローカライゼーションフレームワークを提案する。
論文 参考訳(メタデータ) (2026-08-29T11:52:21Z) - AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World [75.54693105865003]
AerialMetricは,UAV空中視点下での単分子メートル法深度推定の適応性を評価するためのベンチマークデータセットである。
AerialMetricは、52Kの現実世界と16Kの合成画像深度対を信頼できる計量基底真理で提供する。
論文 参考訳(メタデータ) (2026-06-29T02:48:47Z) - Component-Aware Structure-Preserving Style Transfer for Satellite Visual Sim2Real Data Construction [7.240627719297504]
本稿では,衛星画像合成-実データ構築のための構造保存型転送フレームワークを提案する。
FIDは54.32、KIDは0.048である。
論文 参考訳(メタデータ) (2026-05-19T10:01:17Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳(メタデータ) (2025-09-11T18:52:16Z) - Zero-shot Inexact CAD Model Alignment from a Single Image [53.37898107159792]
1つの画像から3Dシーン構造を推測する実践的なアプローチは、データベースから密に一致する3Dモデルを検索し、画像内のオブジェクトと整列させることである。
既存のメソッドは、イメージによる教師付きトレーニングとアノテーションのポーズに依存しており、オブジェクトカテゴリの狭いセットに制限されている。
ポーズアノテーションを必要とせず、未知のカテゴリに一般化する不正確な3次元モデルの弱い教師付き9-DoFアライメント法を提案する。
論文 参考訳(メタデータ) (2025-07-04T04:46:59Z) - Position Prediction Self-Supervised Learning for Multimodal Satellite Imagery Semantic Segmentation [0.0]
マルチモーダル衛星画像セマンティックセグメンテーションのための位置予測自己教師付き学習手法LOCA(Location-aware)を提案する。
提案手法は,SatMAEのチャネル群をマルチスペクトルからマルチモーダルデータに拡張することで,衛星データのユニークな課題に対処する。
Sen1Floods11フラッドマッピングデータセットに対する我々のアプローチの評価を行い、衛星画像の再構成に基づく自己教師型学習手法を著しく上回る結果を得た。
論文 参考訳(メタデータ) (2025-06-07T16:16:29Z) - Classifying geospatial objects from multiview aerial imagery using semantic meshes [2.116528763953217]
米国における森林の航空画像に基づく樹木種予測手法を提案する。
提案手法は, 木分類に難渋する課題に対して, 53%から75%に分類精度を向上することを示す。
論文 参考訳(メタデータ) (2024-05-15T17:56:49Z) - 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) - Mars Terrain Segmentation with Less Labels [1.1745324895296465]
本研究では,火星の地形区分に関する半教師付き学習フレームワークを提案する。
コントラスト損失関数と出力アトラス畳み込みモジュールを使ってトレーニングされるバックボーンモジュールが組み込まれている。
提案したモデルは161のトレーニング画像のみを用いて91.1%のセグメンテーション精度を達成することができる。
論文 参考訳(メタデータ) (2022-02-01T22:25:15Z) - Context-self contrastive pretraining for crop type semantic segmentation [39.81074867563505]
提案したContext-Self Contrastive Loss (CSCL)は、セマンティックバウンダリをポップアップさせる埋め込み空間を学習する。
衛星画像時系列(SITS)からの作物型セマンティックセマンティックセグメンテーションでは,サテライト境界における性能が重要なボトルネックとなる。
より粒度の高い作物のクラスを得るための超解像における意味的セグメンテーションのプロセスを提案する。
論文 参考訳(メタデータ) (2021-04-09T11:29:44Z) - A New Mask R-CNN Based Method for Improved Landslide Detection [54.7905160534631]
本稿では,Mask R-CNN機能を利用した地すべり検出手法を提案する。
地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。
提案アルゴリズムは丘陵地帯の土地利用計画立案者や政策立案者にとって潜在的に有用である。
論文 参考訳(メタデータ) (2020-10-04T07:46:37Z) - Grounded Situation Recognition [56.18102368133022]
画像の構造的要約を生成することを必要とする課題であるグラウンドドコンディション認識(GSR)を導入する。
GSRはセマンティック・サリエンシの識別、大規模で多様なエンティティの分類とローカライズという重要な技術的課題を提示している。
我々は,条件付きクエリ,視覚連鎖,接地型セマンティック・アウェアネス・イメージ検索の3つのモデルによって実現される3つの将来方向について,最初の知見を示す。
論文 参考訳(メタデータ) (2020-03-26T17:57:52Z)
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。