論文の概要: Improving Faint Object Detection for Space Situational Awareness with Variational Autoencoders
- arxiv url: http://arxiv.org/abs/2609.11269v1
- Date: Thu, 10 Sep 2026 09:02:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.276614
- Title: Improving Faint Object Detection for Space Situational Awareness with Variational Autoencoders
- Title（参考訳）: 変分オートエンコーダを用いた空間的状況認識のための物体検出の改善
- Abstract要約: 本稿では,光学SSA画像におけるかすかな移動物体の検出を向上させるためのディープラーニングパイプラインを提案する。
提案したパイプラインは、軽量セグメンテーションネットワーク(Tiny-U-Net)と、部分畳み込み変分オートエンコーダ(Astro-VAE)を組み合わせた恒星マスクを生成する。
その結果、移動目標を維持し、検出性を著しく向上しつつ、星のない背景を高い忠実度で再構築できることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present a deep-learning pipeline for enhancing the detection of faint moving objects in optical space situational awareness (SSA) imagery through automated star removal and background reconstruction. Detecting low signal-to-noise ratio (SNR) objects remains extremely challenging in optical observations, particularly in the cislunar (X-GEO) environment, where structured sky backgrounds, dense stellar fields, and scattered moonlight significantly degrade the performance of classical detection algorithms. To address this problem, the proposed pipeline combines a lightweight segmentation network (Tiny-U-Net) to generate stellar masks with a partial-convolution variational autoencoder (astro-VAE), designed to learn the statistical distribution of astronomical backgrounds and perform context-aware inpainting of masked regions. The reconstructed background maps can then be used as a preprocessing step to suppress fixed sources and background inhomogeneities prior to detection. As a proof of concept, the approach is integrated with a shift-and-stack scheme and evaluated on real ground-based telescope observations targeting the X-GEO region. Results demonstrate that the method reconstructs star-free backgrounds with high fidelity, while preserving moving targets and significantly enhancing detectability, thereby providing an effective data-driven preprocessing strategy for faint moving-object detection in optical SSA scenarios.
- Abstract（参考訳）: 本稿では,光学空間状況認識(SSA)画像における暗所移動物体の検出を,恒星の自動除去と背景再構成により促進する深層学習パイプラインを提案する。
低信号対雑音比(SNR)の検出は、特にX-GEO(シスルナー)環境では、構造化された空背景、密度の強い恒星場、散乱した月光が古典的な検出アルゴリズムの性能を著しく低下させるなど、光学的観察において非常に困難である。
この問題に対処するために,提案したパイプラインは,軽量セグメンテーションネットワーク(Tiny-U-Net)と部分畳み込み変分オートエンコーダ(Astro-VAE)を組み合わせて,天文学的背景の統計的分布を学習し,マスク付き領域のコンテキスト認識塗装を行う。
再構成された背景マップは、検出前に固定されたソースや背景の不均一性を抑えるための前処理ステップとして使用できる。
概念実証として、この手法はシフト・アンド・スタック・スキームと統合され、X-GEO領域をターゲットとした実際の地上望遠鏡観測で評価される。
その結果,移動目標の保存と検出可能性の大幅な向上を図りながら,高忠実度で星の無い背景を再構築し,光学SSAシナリオにおける暗黙の移動物体検出のための効果的なデータ駆動前処理戦略を提供することができた。
関連論文リスト
- LOGOS: Language-guided Oriented Object Detection in Aerial Scenes [13.035539845858501]
本稿では,テキストのプロンプトを利用した新しいトランスフォーマーベースのアプローチであるLOGOSを提案する。
特に,提案手法では,提案したテキストに基づいて,モデルの焦点を動的に調整するために,プロンプト変調されたコンテンツクエリを取り入れている。
私たちのアプローチは、リモートセンシングアプリケーションにおけるオブジェクト指向オブジェクト検出の堅牢性とスケーラビリティを改善するための大きな一歩を提供します。
論文 参考訳（メタデータ） (2026-07-09T00:11:48Z) - Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。
現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。
本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-24T23:34:06Z) - Attention-Based Fusion of IQ and FFT Spectrograms with AoA Features for GNSS Jammer Localization [4.674584508653125]
ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する
古典アングル・オブ・アーリバル (AoA) 法はマルチパス環境において精度を低下させる。
本研究では,ジャミング源の距離,方位,標高を推定しながら干渉の検出と分類を行う新しい手法を提案する。
論文 参考訳（メタデータ） (2025-07-09T06:49:11Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - A Real-time Faint Space Debris Detector With Learning-based LCM [4.454216126942097]
本稿では,局所コントラストと最大推定値(MLE)に基づく低SNRストリーク抽出手法を提案する。
このアルゴリズムは高速かつ高精度であり,高ダイナミックターゲット抽出における将来性を保証する。
論文 参考訳（メタデータ） (2023-09-15T08:37:28Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - 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) - Detection and Segmentation of Cosmic Objects Based on Adaptive
Thresholding and Back Propagation Neural Network [0.0]
本稿では,適応閾値法(ATM)に基づくセグメンテーションと,BPNNに基づく宇宙物体検出を提案する。
本稿では、ATMとBPNNを用いて天体の分類と検出を行う方法について述べる。
論文 参考訳（メタデータ） (2023-08-02T04:02:46Z) - Context-Preserving Instance-Level Augmentation and Deformable
Convolution Networks for SAR Ship Detection [50.53262868498824]
ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。
ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2022-02-14T07:01:01Z) - Spatial Context Awareness for Unsupervised Change Detection in Optical
Satellite Images [11.018182254899859]
SiROC(Sibling Regression for Optical Change Detection)について紹介する。
SiROCは、中高解像度の光学衛星画像における変化検出の教師なし手法である。
中解像度のSentinel-2と高解像度のPlanetscope画像による変化検出の競合性能を実現する。
論文 参考訳（メタデータ） (2021-10-05T14:13:48Z) - SCRDet++: Detecting Small, Cluttered and Rotated Objects via
Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
小さくて散らばった物体は実世界では一般的であり、検出は困難である。
本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。
機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
論文 参考訳（メタデータ） (2020-04-28T06:03:54Z)
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。