論文の概要: Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing

• arxiv url: http://arxiv.org/abs/2609.13283v1
• Date: Tue, 08 Sep 2026 14:55:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.172813
• Title: Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing
• Title（参考訳）: 月面リモートセンシングのためのマルチモーダル・マルチレゾリューション基礎モデル
• Abstract要約: 本稿では,SomBench のスクラッチから事前学習した月面リモートセンシングのためのマルチモーダル基礎モデルを提案する。 このモデルは2つの月固有の拡張を備えたTerraMindマスクトケンアーキテクチャに適合する。 我々は,WACおよびNACスケールでのクレーター検出,不規則なマアパッチ(IMP)セグメンテーション,極性氷の確率回帰の4つのベンチマークを評価した。
• 参考スコア（独自算出の注目度）: 5.471205088925021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a multimodal foundation model for lunar remote sensing, pretrained from scratch on SomBench, a geographically partitioned corpus of nearly two million co-registered tile bundles spanning 11 modalities at two spatial scales (1 m/pixel and 100 m/pixel). The model adapts the TerraMind masked-token architecture with two lunar-specific extensions: acquisition geometry is provided as explicit context, and meter- and hundred-meter-scale tiles are trained jointly so that a single set of weights covers both resolutions. FlexiViT patch embeddings allow adaptation to different patch sizes without retraining, while modality-wise inputs enable flexible multimodal fine-tuning. Qualitative generation experiments suggest the model learns meaningful cross-modal correspondences, including terrain derivatives from elevation and illumination-consistent reflectance from geometry. We evaluate on four benchmarks: crater detection at WAC and NAC scales, irregular mare patch (IMP) segmentation, and polar ice prospectivity regression. Across tasks, the pretrained model matches or outperforms ImageNet-pretrained baselines and an architecturally identical random-init control. On multimodal ice prospectivity regression, pretrained variants achieve the best results, while the random-init model outperforms most baselines, suggesting gains arise from both the architecture and pretraining. Label efficiency is notable for WAC crater detection, where the pretrained model trained on 50% of the data exceeds the strongest ImageNet baseline trained on the full dataset. Among adaptation strategies, LoRA matches or surpasses full fine-tuning on crater detection and IMP segmentation while using far fewer trainable parameters, whereas full fine-tuning performs best for ice prospectivity regression. We release the pretrained checkpoint, benchmark datasets, and fine-tuning code to support reproducible lunar AI research.
• Abstract（参考訳）: 月面リモートセンシングのためのマルチモーダル基礎モデルについて述べる。SomBenchは2つの空間スケール(1m/pixelと100m/pixel)で11つのモダリティにまたがる200万近い共登録タイルバンドルからなる地理的に分割されたコーパスである。 取得幾何学は明示的な文脈として提供され、メートルスケールと100メートルスケールのタイルは、両方の解像度をカバーするために共同で訓練される。 FlexiViTのパッチ埋め込みは、再トレーニングせずに異なるパッチサイズへの適応を可能にし、モダリティワイドな入力は柔軟なマルチモーダル微調整を可能にする。 定性的生成実験は、標高からの地形の導出や幾何学からの照度に一貫性のある反射を含む、意味のあるクロスモーダル対応を学習することを示唆している。 我々は,WACおよびNACスケールでのクレーター検出,不規則なマアパッチ(IMP)セグメンテーション,極性氷の確率回帰の4つのベンチマークを評価した。 タスク全体にわたって、事前トレーニングされたモデルはImageNetで事前トレーニングされたベースラインとアーキテクチャ上同一のランダムな入出力制御とを一致または上回る。 マルチモーダル氷の確率回帰では、事前学習した変種が最良の結果を得る一方、ランダム・インジット・モデルはほとんどのベースラインを上回り、アーキテクチャと事前学習の両方から得られる利益を示唆している。 ラベル効率はWACクレーター検出で顕著で、データの50%でトレーニングされた事前トレーニングされたモデルは、全データセットでトレーニングされた最強のImageNetベースラインを超えている。 適応戦略の中で、LoRAはクレーター検出とIMPセグメンテーションの完全な微調整にマッチするが、訓練可能なパラメータははるかに少ない。 我々は、再現可能な月面AI研究をサポートするために、事前訓練されたチェックポイント、ベンチマークデータセット、微調整コードをリリースする。

関連論文リスト

• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• SIMPLER: Efficient Foundation Model Adaptation via Similarity-Guided Layer Pruning for Earth Observation [3.1313965020437546]
  SIMPLERは,予測とデプロイメントのコストを削減できるアーキテクチャ選択手法である。 Prithvi-EO-2では、SIMPLERは最大79%のパラメータを持ち、ベースライン性能は94%であり、2.1倍のトレーニングスピードアップと2.6倍の推論スピードアップをもたらす。
  論文  参考訳（メタデータ） (2026-03-20T11:38:32Z)
• TokaMind: A Multi-Modal Transformer Foundation Model for Tokamak Plasma Dynamics [56.073642366268764]
  TokaMindは、核融合プラズマモデリングのためのオープンソースの基礎モデルフレームワークである。 公開されているMASTデータセットから、異種トカマク診断をトレーニングする。 我々は最近発表されたMASTベンチマークのTokaMarkでTokaMindを評価した。
  論文  参考訳（メタデータ） (2026-02-16T12:26:07Z)
• MMEarth-Bench: Global Model Adaptation via Multimodal Test-Time Training [15.675086189757769]
  MMEarth-Benchは、12のモダリティ、グローバル分散データ、およびin-out-of-distriionテストの分割を持つ5つの新しいマルチモーダル環境タスクのコレクションである。 我々は、事前訓練されたモデルの多様なセットをベンチマークし、(マルチモーダルな)事前訓練は、限られたデータ設定におけるモデルの堅牢性を改善する傾向にあるが、地理的一般化能力は貧弱であることを示した。 本稿では,テスト時に利用できるすべてのモダリティを補助的タスクとして利用するマルチモーダル再構成(TTT-MMR)を用いたテストタイムトレーニングのモデルに依存しない手法を提案する。
  論文  参考訳（メタデータ） (2026-02-06T00:48:19Z)
• THOR: A Versatile Foundation Model for Earth Observation Climate and Society Applications [9.852915112122567]
  THOR は入力の不均一性とデプロイメントの剛性の両方を解決する "Computeadaptive" 基盤モデルである。 我々は、新しいランダム化パッチと入力画像サイズ戦略を用いて、THORを事前訓練する。 これにより、どんなパッチサイズでも推論してトレーニング済みの重みのセットをデプロイすることが可能になり、再トレーニングせずに計算コストと特徴解決の間の動的なトレードオフが可能になる。
  論文  参考訳（メタデータ） (2026-01-22T14:38:00Z)
• BlendedNet++: A Large-Scale Blended Wing Body Aerodynamics Dataset and Benchmark [4.128170991070137]
  本稿では,BlendedNet++について紹介する。BlendedNet++は,BWB航空機を対象とする大規模空力データセットとベンチマークである。 データセットには12,000以上のユニークなジオメトリが含まれており、それぞれが単一の飛行条件でシミュレートされ、安定したRANS CFDに対して12,490の空気力学的結果が得られる。 このデータセットを用いて、フォワードサロゲートベンチマークを標準化し、6つのモデルファミリーのポイントワイドフィールドを予測する。 本研究では, 条件付き拡散モデルを用いて, 一定飛行条件下で, 所定のリフト・アンド・ドラグ比を達成するための逆設計課題を提案する。
  論文  参考訳（メタデータ） (2025-12-02T22:39:07Z)
• DreamPRM-1.5: Unlocking the Potential of Each Instance for Multimodal Process Reward Model Training [28.02129783121819]
  DreamPRM-1.5は、インスタンスレベルの再重み付けフレームワークで、双方向の最適化を通じて、トレーニング例毎に適応的な重み付けを割り当てる。 MMMU検証セットで84.6の精度、R-Bench-Vで31.3の精度を実現し、リードバックボーンと組み合わせると、公開マルチモーダル推論リーダーボードで1位の結果が得られる。
  論文  参考訳（メタデータ） (2025-09-05T23:42:01Z)
• AHDMIL: Asymmetric Hierarchical Distillation Multi-Instance Learning for Fast and Accurate Whole-Slide Image Classification [51.525891360380285]
  AHDMILは非対称な階層的蒸留マルチインスタンス学習フレームワークである。 2段階のトレーニングプロセスを通じて、無関係なパッチを排除します。 分類性能と推論速度の両方において、従来の最先端手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:47:16Z)
• Spanning Training Progress: Temporal Dual-Depth Scoring (TDDS) for Enhanced Dataset Pruning [50.809769498312434]
  我々は、時間的デュアルディープス・スコーリング(TDDS)と呼ばれる新しいデータセット・プルーニング手法を提案する。 本手法は,10%のトレーニングデータで54.51%の精度を達成し,ランダム選択を7.83%以上,他の比較手法を12.69%以上上回る結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T03:45:30Z)
• The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
  本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。 私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。 この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
  論文  参考訳（メタデータ） (2023-09-20T10:31:17Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)

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。