Fugu-MT 論文翻訳(概要): On-board ML for Trace Gas detection in Imaging Spectroscopy data

論文の概要: On-board ML for Trace Gas detection in Imaging Spectroscopy data

arxiv url: http://arxiv.org/abs/2609.04458v1
Date: Thu, 03 Sep 2026 20:40:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:23.814616
Title: On-board ML for Trace Gas detection in Imaging Spectroscopy data
Title（参考訳）: イメージング分光データにおける微量ガス検出のためのオンボードML
Abstract要約: 現在の処理パイプラインは、検出された各イベントの情報に時間を遅らせる、遅いオンザグラウンド処理に依存している。 We show the first on-board detection of methane point source emission with Imaging Spectroscopy data using Edge ML。
参考スコア（独自算出の注目度）: 0.28248953889934947
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Data collected during aerial and spaceborne imaging spectroscopy campaigns enables the detection of transient events such as trace gas emissions. However, current processing pipelines depend on slow, on-the-ground processing, which delays the time to information of each detected event and prohibits immediate follow-up actions. During the Tokyo Field Campaign of March 2026, we explored on-board processing of Imaging Spectroscopy data from the equipped AVIRIS-5 sensor. Due to communication bottlenecks, full datacubes cannot be downlinked immediately during the flight. Instead we downlink the potential events predicted by our efficient and small machine learning model. We show the first on-board detection of methane point source emission with Imaging Spectroscopy data using Edge ML.
Abstract（参考訳）: 空中および宇宙からのイメージング・スペクトロスコピーで収集されたデータは、微量ガスの放出のような過渡的な事象を検知することができる。しかし、現在の処理パイプラインは、検出された各イベントの情報に時間を遅らせ、即時フォローアップアクションを禁止している、遅いオンザグラウンド処理に依存している。 2026年3月の東京野戦では,AVIRIS-5センサーを用いた画像分光データのオンボード処理について検討した。通信のボトルネックのため、完全なデータキューブは飛行中に即座にダウンリンクできない。その代わりに、効率的で小さな機械学習モデルによって予測される潜在的なイベントをダウンリンクします。 We show the first on-board detection of methane point source emission with Imaging Spectroscopy data using Edge ML。

関連論文リスト

Machine learning enables experimental access to photon-by-photon arrival times in scintillation detectors [3.4711093499649217]
優れたタイミング分解能を持つシンチレーション検出器は、ポジトロン放射トモグラフィーにおける放射線源のより正確な位置決めを可能にする。ピコ秒スケールでのこのような応用に必要な極端タイミング精度では、検出器の性能は検出器内で発生するシンチレーション光子の微視的ダイナミクスによって制御される。本研究では,この基本的な制限をディープラーニングを用いて克服し,個々の光子のタイミング情報に直接アクセスできるようにする。我々は、推定光子レベルのタイミング情報に基づいて、時間分解能の向上、相互作用深度依存光子輸送の可視化、チェレンコフおよびシンチレーション光子を実験的に実証した。
論文参考訳（メタデータ） (2026-05-27T04:15:01Z)
Fast reconstruction-based ROI triggering via anomaly detection in the CYGNO optical TPC [0.0]
高速な関心領域抽出のための教師なし・再構成に基づく異常検出戦略を提案する。学習目的のみが異なる2つの台座学習オートエンコーダ構成を比較した。最良の構成は、画像領域を破棄する(97.8 +/-0.1)%で再構成された信号強度の(93.0 +/-0.2)%を保持し、コンシューマGPUでは1フレームあたり約25msである。
論文参考訳（メタデータ） (2025-12-30T15:28:18Z)
Towards Methane Detection Onboard Satellites [0.5900825203015314]
メタンは温室効果ガスであり、気候変動の主要な要因である。衛星に搭載された機械学習(ML)は、ダウンリンクコストを低減しつつ、迅速な検出を可能にする。テクスチュノルト認証データ(UnorthoDOS)を用いて,これらの前処理ステップをバイパスする新しい手法を提案する。
論文参考訳（メタデータ） (2025-08-30T22:54:00Z)
Lightweight CNNs for Embedded SAR Ship Target Detection and Classification [0.0]
高レベルの製品を生成するためのオンボード処理は、ダウンリンクが必要なデータ量を減らすことができる。本研究では,非焦点SARデータに基づくリアルタイム推論のためのニューラルネットワークの提案と評価を行う。
論文参考訳（メタデータ） (2025-08-14T14:55:19Z)
Spike Imaging Velocimetry: Dense Motion Estimation of Fluids Using Spike Cameras [84.58138852280813]
本研究では、粒子画像速度測定(PIV)におけるスパイクカメラ(超高速・高ダイナミックレンジカメラの一種)の膨大なポテンシャルについて検討する。本研究では,高乱流・複雑な流れ場に特化して設計された深層学習フレームワークSpike Imaging Velocimetry (SIV)を提案する。本稿では,スパイクに基づくPIVデータセットであるParticle Scenes with Spike and Displacement (PSSD)を提案する。
論文参考訳（メタデータ） (2025-04-26T09:14:45Z)
CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文参考訳（メタデータ） (2024-03-21T15:13:36Z)
Tool Wear Segmentation in Blanking Processes with Fully Convolutional Networks based Digital Image Processing [0.0]
本稿では,600spmのツールの高解像度画像を,セマンティックセグメンテーション深層学習アルゴリズムを用いてキャプチャし,処理する方法を示す。 125,000枚のツールの画像が連続するストロークから撮影され、顕微鏡画像が観察され、摩耗面を観察する。
論文参考訳（メタデータ） (2023-10-06T11:40:16Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)
Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文参考訳（メタデータ） (2022-02-22T15:39:00Z)
Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文参考訳（メタデータ） (2020-06-28T20:59:03Z)
A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
論文参考訳（メタデータ） (2020-04-16T21:06:49Z)

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。