論文の概要: SAR and InSAR Change Detection with Quantum Generative Models

• arxiv url: http://arxiv.org/abs/2609.05313v1
• Date: Fri, 04 Sep 2026 16:07:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.111185
• Title: SAR and InSAR Change Detection with Quantum Generative Models
• Title（参考訳）: 量子生成モデルによるSARとInSARの変化検出
• Abstract要約: 我々は、IonQトラップイオンベースの量子プロセッサ上で、最先端の衛星画像と量子機械学習を統合する。 実験条件をコプラ空間における量子回路ボルンマシン(QCBM)サンプリング生成モデルに置き換えることで,スパース実世界の画像の変化検出を大幅に改善する。 イオンQトラップイオンベースのハードウェア上でのトレーニングモデルの実行は、理想的かつノイズの多いシミュレーションの結果を再現する。
• 参考スコア（独自算出の注目度）: 0.314584061354738
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Change detection in synthetic aperture radar (SAR) and interferometric synthetic aperture radar (InSAR) underpins disaster response, infrastructure monitoring and land-use enforcement. Detection is limited by the background estimator, which conventionally forms a conditional expectation directly from observed pixel statistics and degrades where those statistics are sparse, including the regime produced by the heavy-tailed marginals of sub-meter-resolution radars. In this work, we integrate state-of-the-art satellite imagery with quantum machine learning on IonQ trapped-ion-based quantum processors. By replacing the empirical conditional with a quantum circuit Born machine (QCBM)-sampled generative model in Copula space, we substantially improve change detection on sparse real-world images. On Capella Space satellite image acquisitions, the generative estimator matches conventional methods when the observed statistics are adequate, and substantially outperforms them when they are not. Executing the trained model on IonQ trapped-ion based hardware reproduces the results of the ideal and noisy simulations and demonstrates up to par, or even better, performance with the classical state-of-the-art methods. For a SAR dataset of an airport, QPU circuit evaluations for both training and inference achieved a maximized filtered F1 score of 0.32, compared with 0.16 and 0.24 for the two classical baselines. For an InSAR dataset of a volcanic lava flow, all three methods reached a maximum filtered F1 of approximately 0.66. These experiments demonstrate the feasibility of executing a QCBM-based background estimator on trapped-ion hardware. We further demonstrate that the QCBM method successfully extends to interferometric coherence data, achieving performance comparable to classical approaches.
• Abstract（参考訳）: 合成開口レーダ(SAR)とインターフェロメトリ合成開口レーダ(InSAR)の変化検出は、災害対応、インフラ監視、土地利用の実施を支えている。 検出は背景推定器によって制限されるが、従来は観測された画素統計から直接条件予測を定めており、サブメートルレーダの重み付き辺縁レーダーによって生成されるレギュレーションを含む、それらの統計が希薄な領域で分解される。 本研究では,現状の衛星画像とIonQトラップイオンベースの量子プロセッサ上での量子機械学習を統合する。 実験条件をコプラ空間における量子回路ボルンマシン(QCBM)サンプリング生成モデルに置き換えることで,スパース実世界の画像の変化検出を大幅に改善する。 Capella Spaceの衛星画像取得では、観測された統計値が適切である場合、生成推定器は従来の手法と一致し、それらが正しくない場合、大幅に性能が向上する。 イオンQトラップイオンベースのハードウェア上でトレーニングされたモデルを実行すると、理想的かつノイズの多いシミュレーションの結果が再現され、古典的な最先端手法によるパフォーマンスがさらに向上する。 空港のSARデータセットでは、トレーニングと推論の両方のQPU回路評価が、古典的な2つのベースラインの0.16と0.24と比較して、最大フィルタF1スコアの0.32を達成した。 火山溶岩流のInSARデータセットでは、全ての3つの手法が最大で約0.66のF1に到達した。 これらの実験は、トラップイオンハードウェア上でQCBMベースのバックグラウンド推定器の実行可能性を示す。 さらに,QCBM法は干渉コヒーレンスデータにまで拡張し,古典的手法に匹敵する性能を実現することを実証した。

関連論文リスト

• RF Spectrogram Anomaly Detection with Quantum Kitchen Sinks: Architecture, Representation, and Hardware Validation [8.643667082966944]
  量子キッチンシンク(QKS)は、短期量子デバイスに適した軽量なハイブリッド量子特徴マップを提供する。 我々は,マルチ深度データ再アップロードとリング絡み込みによる標準QKSテンプレートを拡張し,制御されたRFスペクトログラム異常検出のパイプラインの評価を行った。 これらの結果は、QKSベースの異常検出を無線ネットワークに展開するための実用的で再現可能なフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-07-15T14:40:41Z)
• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• Multi-Fidelity Emulation of Atmospheric Correction Coefficients with Physics-Guided Kolmogorov-Arnold Networks [0.17188280334580194]
  大気補正は光リモートセンシングにおける重要な前処理ステップである。 本研究では,大気補正係数をエミュレートする物理対応多面体サロゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-04T22:43:25Z)
• Reconstructing Quantum Dot Charge Stability Diagrams with Diffusion Models [0.6116912304119905]
  量子ドットデバイスの効率的なキャラクタリゼーションは、制限されたスピンに基づいて量子プロセッサをスケーリングする際の重要なボトルネックである。 スパース測定から全電荷安定図を再構成することにより, 獲得を加速する生成的手法を提案する。 以上の結果から,生成モデルにより量子デバイスの特性的オーバーヘッドを大幅に低減できることを示すとともに,実験的な実装に向けた堅牢な経路を提供する。
  論文  参考訳（メタデータ） (2026-03-27T14:03:15Z)
• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• Towards real-time assessment of infrasound event detection capability using deep learning-based transmission loss estimation [5.601176010173589]
  国際モニタリングシステムの性能評価には, 超音波透過損失の高精度なモデリングが不可欠である。 最先端の伝搬モデリングツールにより、大気モデルを用いて伝達損失を微細にシミュレートすることができる。 近年の研究では,伝達損失予測をほぼ瞬時に行うディープ・ラーニング・アルゴリズムを用いている。 本研究では, 風場と温度場をニューラルネットワークの入力として使用し, 最大130km, 4,000kmの距離をシミュレートした。
  論文  参考訳（メタデータ） (2025-06-03T09:49:12Z)
• Enhancing Network Anomaly Detection with Quantum GANs and Successive Data Injection for Multivariate Time Series [6.576759206183036]
  本稿では,異常検出のためのQGANアーキテクチャを提案する。 データ再アップロードとSuDaIを統合することで、アプローチは古典的なデータを量子状態に効率的にマッピングする。 QGANは、異常検出において高いリコールとF1スコアとともに高い精度を達成し、古典モデルと比較して低いMSEを達成する。
  論文  参考訳（メタデータ） (2025-05-16T18:47:42Z)
• $\mathbfΦ$-GAN: Physics-Inspired GAN for Generating SAR Images Under Limited Data [45.83064997810622]
  本稿では,合成開口レーダ(SAR)画像に対する$Phi$-GANという物理インスパイアされた正規化手法を提案する。 PSCモデルは物理パラメータを用いてSARターゲットを近似し、$Phi$-GANが実際の物理特性と整合したSAR画像を生成する。 我々は,複数の条件付きGAN(cGAN)モデルに対して$Phi$-GANを評価し,データスカースシナリオにおける最先端性能を示す。
  論文  参考訳（メタデータ） (2025-03-04T03:32:11Z)
• Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
  ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。 まず、マルチターゲットDOA検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)を用いた無線受信機を提案し、このセンシングシステムの対応する信号モデルを提案する。 このセンサゲインミスマッチ問題を解決するために,我々のモデルに依存するRydberg原子量子ESPRIT(RAQ-ESPRIT)を提案する。
  論文  参考訳（メタデータ） (2025-01-06T07:42:23Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)

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。