論文の概要: EarthLD: Towards Unified Open-World Landslide Understanding via Vision-Language Guided Diffusion Models
- arxiv url: http://arxiv.org/abs/2609.00712v1
- Date: Tue, 01 Sep 2026 04:41:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.324531
- Title: EarthLD: Towards Unified Open-World Landslide Understanding via Vision-Language Guided Diffusion Models
- Title（参考訳）: EarthLD:ビジョンランゲージ誘導拡散モデルによるオープンワールド地すべりの統一的理解を目指して
- Authors: Yuanchao Su, Lianru Gao, Mengying Jiang, Jiangyi Chen, Jiaxin Cheng, Yicong Zhou,
- Abstract要約: オープンワールド地すべり理解のための視覚言語誘導拡散フレームワークであるEarthLDを提案する。
EarthLDは、地すべりの存在、空間的範囲、ピクセルレベルの境界を徐々に推測する拡散過程として地すべりの理解を定式化している。
視覚的観察と文脈的知識を統合することで、EarthLDは背景から様々な地すべりを区別し、疑わしい地域を信頼に敏感に予測し、地すべりの範囲を地図化する。
- 参考スコア（独自算出の注目度）: 37.508845852069676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Landslides are widespread geological hazards, yet their automated detection and mapping in remote sensing imagery remain challenging because of their irregular morphology, ambiguous spectral signatures, and substantial domain shifts across imaging platforms. To overcome these challenges, we propose EarthLD, a vision-language-guided diffusion framework for open-world landslide understanding, enabling unified landslide recognition, mapping, and trigger interpretation. At its core, EarthLD formulates landslide understanding as a diffusion process that progressively infers the presence, spatial extent, and pixel-level boundaries of landslides from noisy latent representations. This probabilistic formulation enables the model to jointly perform image-level landslide recognition and mapping while characterizing predictive uncertainty. By integrating visual observations with contextual knowledge in the denoising process, EarthLD distinguishes diverse landslides from backgrounds, produces confidence-aware predictions for suspected regions, and maps landslide ranges. We additionally construct a global-scale open-world landslide benchmark by systematically harmonizing multiple publicly available remote sensing data collected by diverse institutions. Extensive experiments across regions, sensors, and triggering events demonstrate that EarthLD consistently outperforms existing landslide detection methods, highlighting its potential as a unified and robust solution for global geological-hazard monitoring and emergency response.
- Abstract（参考訳）: 地すべりは広範な地質学的危険であるが、不規則な形態、不明瞭なスペクトルのシグネチャ、画像プラットフォーム間の領域シフトにより、リモートセンシング画像の自動検出とマッピングは依然として困難である。
これらの課題を克服するために、オープンワールドの地すべり理解のための視覚言語誘導拡散フレームワークであるEarthLDを提案し、統合された地すべり認識、マッピング、トリガー解釈を可能にした。
EarthLDの中核は地すべりの理解を拡散過程として定式化し、ノイズのある潜在表現から地すべりの存在、空間的範囲、ピクセルレベルの境界を徐々に推測する。
この確率的定式化により、予測の不確実性を特徴づけつつ、画像レベルの地すべり認識とマッピングを共同で行うことができる。
視覚的観察と文脈的知識を統合することで、EarthLDは背景から様々な地すべりを区別し、疑わしい地域を信頼に敏感に予測し、地すべりの範囲を地図化する。
さらに,多様な機関が収集した複数の公開リモートセンシングデータを体系的に調和させることにより,グローバルなオープンワールド地すべりベンチマークを構築した。
地域、センサー、トリガーイベントにわたる大規模な実験により、地球氷は既存の地すべり検出法を一貫して上回り、地球規模の地質ハザードモニタリングと緊急対応のための統一的で堅牢なソリューションとしての可能性を強調している。
関連論文リスト
- RAEM: Robust Autonomous Exploration for Multi-Floor Environments with a Quadruped Robot [41.3871843269565]
RAEMは、マルチフロア環境で動作する四足ロボットのための堅牢な自律探査フレームワークである。
登山時の急激なヨーの変動を低減するため,階段中央アライメント戦略を導入する。
論文 参考訳（メタデータ） (2026-08-26T04:40:34Z) - Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。
多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。
本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
論文 参考訳（メタデータ） (2026-05-07T14:27:48Z) - FlowEO: Generative Unsupervised Domain Adaptation for Earth Observation [8.162386935076237]
FlowEOは、地球観測における画像空間UDAの生成モデルを活用する新しいフレームワークである。
我々は,SARから光翻訳への適応シナリオと自然災害による時間的・意味的な変化をカバーした4つのデータセットを対象とした実験を行った。
以上の結果から,FlowEOは領域適応のための既存の画像翻訳手法より優れており,より優れた知覚的画像品質を実現していることがわかった。
論文 参考訳（メタデータ） (2025-12-01T10:29:01Z) - Annotation-Free Open-Vocabulary Segmentation for Remote-Sensing Images [51.74614065919118]
本稿では,アノテーションのないRS画像のオープン語彙セグメンテーションのための最初のフレームワークであるSegEarth-OVを紹介する。
粗い特徴から高分解能空間の詳細を頑健に復元する普遍的なアップサンプラーであるSimFeatUpを提案する。
また、パッチ機能から固有のグローバルコンテキストを抽出するための、シンプルで効果的なグローバルバイアス緩和操作も提示する。
論文 参考訳（メタデータ） (2025-08-25T14:22:57Z) - Landslide Detection and Mapping Using Deep Learning Across Multi-Source Satellite Data and Geographic Regions [0.0]
地すべりはインフラ、経済、生活に深刻な脅威をもたらす。
深層学習とリモートセンシングの進歩により、自動地すべり検出がますます効果的になっている。
本研究では,多ソース衛星画像と深層学習モデルを統合し,地すべりの識別と予測を強化する包括的アプローチを提案する。
論文 参考訳（メタデータ） (2025-07-01T18:34:42Z) - TerraFM: A Scalable Foundation Model for Unified Multisensor Earth Observation [65.74990259650984]
本研究では,グローバルに分散したSentinel-1とSentinel-2画像を利用する,スケーラブルな自己教師型学習モデルTerraFMを紹介する。
我々のトレーニング戦略は、局所的・言語的コントラスト学習を統合し、二重中心化機構を導入する。
TerraFMは分類タスクとセグメンテーションタスクの両方において強力な一般化を実現し、GEO-BenchとCopernicus-Benchの先行モデルよりも優れている。
論文 参考訳（メタデータ） (2025-06-06T17:59:50Z) - Ground-R1: Incentivizing Grounded Visual Reasoning via Reinforcement Learning [96.01617809845396]
Ground-R1は、明示的なエビデンスや合理的アノテーションを必要とせずに、基礎的な視覚的推論を可能にする強化学習フレームワークである。
グラウンドR1は優れた性能を示し、不確実性認識、空間認識、反復的洗練などの創発的な認知行動を示す。
論文 参考訳（メタデータ） (2025-05-26T17:51:47Z) - No Location Left Behind: Measuring and Improving the Fairness of Implicit Representations for Earth Data [13.412573082645096]
暗黙の神経表現(INR)は、地球表象の課題に対処する上での公約が増大している。
既存の手法はグローバルな平均性能を不均等に優先する。
FAIR-Earthは、地球表象の不等式を調べ、挑戦するための第一種データセットである。
論文 参考訳（メタデータ） (2025-02-05T16:51:13Z) - 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) - DFPENet-geology: A Deep Learning Framework for High Precision
Recognition and Segmentation of Co-seismic Landslides [7.927831418004974]
本稿では,Dense-Decoder Network (DFPENet) を用いたロバストモデル Dense Feature Pyramid を開発した。
DFPENetモデルから抽出した画像特徴,地質学的特徴,時間分解能,地すべりの空間解析,移動学習を統合した共地震地すべり認識手法を提案する。
論文 参考訳（メタデータ） (2019-08-28T19:07:40Z)
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。