論文の概要: Earth Surface Immune System for Rapid Monitoring of Unknown Anomalies

• arxiv url: http://arxiv.org/abs/2609.20662v1
• Date: Thu, 17 Sep 2026 16:39:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.37636
• Title: Earth Surface Immune System for Rapid Monitoring of Unknown Anomalies
• Title（参考訳）: 未知の異常の迅速モニタリングのための地球表面免疫システム
• Abstract要約: 生体免疫系の3つの原則に制約された地球表面免疫系について述べる。 非特異的な自然免疫段階は、異常を時系列衛星画像の観測されていない変化として扱う。 特定の適応免疫段階は、テキストプロンプトをフィルターし、生き残ったプロンプトと局所的なイメージパッチとのマッチングに負の選択を適用する。 突然変異機構はテスト時に最小限の埋め込みを調整し、単一の参照イメージペアを使用して各シーンに3.26秒で適応する。
• 参考スコア（独自算出の注目度）: 33.67886620506358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earth surface anomalies, driven by escalating climate change, and expanding human activities, are increasing in both frequency and diversity, yet their limited historical data and unpredictability make them fundamentally different from conventional remote sensing targets. Existing methods address specific anomaly categories or stop at localization, leaving a gap between detection and actionable information. Here we present ESIA, an Earth Surface Immune System whose architecture is constrained by three principles from the biological immune system, refined over millions of years against equally diverse and uncertain threats. A non-specific innate immune stage treats anomalies as unobserved changes in time-series satellite imagery, generating binary localization maps at 14.51 km2/s without assuming any anomaly category, surpassing the strongest general baseline by 37% in F1. A specific adaptive immune stage applies negative selection to filter text prompts and matches surviving prompts with localized image patches through a multi-modal foundation model, enabling open-vocabulary recognition of unknown anomaly attributes including category, affected area, and damage severity, with recognition F1 exceeding 80%. A mutation mechanism tunes minimal embeddings at test time, adapting to each scene in 3.26s using a single reference image pair. We validate ESIA on a global-scale dataset covering 19,801.60 km2 across six anomaly categories, comparing against 22 models, and further apply it to quantify degraded farmland in the Dnipro Delta following the Kakhovka Dam collapse and assess burn severity from 2025 Palisades Fire in Los Angeles. This unprecedented flexibility in handling unknown anomalies opens new avenues for real-time disaster response and environmental surveillance.
• Abstract（参考訳）: 気候変動のエスカレートと人的活動の拡大によって引き起こされる地球表面の異常は、頻度と多様性の両方で増大しているが、その限られた歴史的データと予測不可能により、従来のリモートセンシングの目標と根本的に異なる。 既存の手法では、特定の異常なカテゴリに対処したり、ローカライゼーションを停止したりし、検出と実行可能な情報のギャップを埋める。 ここでは、生物免疫系の3つの原則に制約された地球表面免疫系であるESIAについて述べる。 非特異的な自然免疫段階は、異常を時系列衛星画像の観測不能な変化として扱い、異常カテゴリーを仮定せずに、14.51 km2/sでバイナリローカライゼーションマップを生成し、F1で最強の総ベースラインを37%上回る。 特定の適応免疫段階は、テキストプロンプトをフィルタし、生存したプロンプトと局所化イメージパッチとをマルチモーダル基礎モデルを介してマッチングすることにより、カテゴリ、影響領域、損傷重症度を含む未知の異常属性のオープン語彙認識を可能にし、認識F1が80%を超える。 突然変異機構はテスト時に最小限の埋め込みを調整し、単一の参照イメージペアを使用して各シーンに3.26秒で適応する。 さらに,カホフカダム崩壊後のドニプロデルタの荒廃した農地の定量化と,ロサンゼルスの2025年パリセード火災による火災の重症度の評価を行った。 未知の異常に対処するこの前例のない柔軟性は、リアルタイムの災害対応と環境監視のための新たな道を開く。

関連論文リスト

• Point Cloud Diffusion with Global and Local Reconstruction for Instance-Level 3D Anomaly Detection [53.26344422459608]
  インスタンスレベルの3次元異常発生と検出のための点群拡散フレームワークである textbfPCDiff を提案する。 生成フェーズでは、インスタンスレベルのマルチモーダルアテンションが生成フレームワークに埋め込まれ、そこでは異常にテクスチャ勾配、画像パッチ、テキスト、マスクが条件付けられている。 検出段階では,局所的異常回復と大域的幾何整合性を確保するために,共同局所言語再構成アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2026-06-24T12:11:05Z)
• Mitosis Detection in the Wild: Multi-Tumor and Context-Aware Generalization in the MIDOG 2025 Challenge [19.002373977515607]
  Mitosis DOmain Generalization (MIDOG) 2025は、前例のない生物学的および文脈的多様性のアルゴリズム性能を評価するために設計された。 対象は,12種類のヒト,イヌ,ネコの365例であった。 AMF検出トラックでは, 最大0.908まで精度のバランスが取れた21項目を提出した。
  論文  参考訳（メタデータ） (2026-06-05T15:11:08Z)
• Anomaly detection in satellite imagery through temporal inpainting [28.023703674946223]
  深層学習は,衛星時系列の時間的冗長性を利用して,前例のない感度で異常を検出することができることを示す。 我々はSATLAS基礎モデル上に構築された塗装モデルをトレーニングし、Sentinel-2時系列の最後のフレームを再構築する。 急激な表面変化に影響を受ける領域に適用すると、予測と観測の相違により、従来の変化検出手法が見逃す異常が明らかになる。
  論文  参考訳（メタデータ） (2025-12-30T04:58:13Z)
• Unsupervised Patch-GAN with Targeted Patch Ranking for Fine-Grained Novelty Detection in Medical Imaging [46.25959260296683]
  本稿では,異常検出と局所化のための非教師付きPatch-GANフレームワークを提案する。 筆者らのフレームワークは,まずマスク付き画像を再構成して,きめ細かな正常な特徴を学習する。 これらの再構成画像をパッチに分割することにより,より粒度の細かい異常を同定する。
  論文  参考訳（メタデータ） (2025-01-29T14:32:22Z)
• AnomalyCD: A benchmark for Earth anomaly change detection with high-resolution and time-series observations [12.35831157851407]
  AnomalyCD技術は、過去の正常な変化パターンから学習することで、異常な変化を特定することを学ぶ。 AnomalyCDMは効率を高めるための2段階のワークフローとして設計されており、見えない画像を直接処理することができる。
  論文  参考訳（メタデータ） (2024-09-09T14:47:57Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• Contracting Skeletal Kinematics for Human-Related Video Anomaly Detection [43.72042594414675]
  COSKADは、人間の骨格の動きをグラフ畳み込みネットワークによって符号化する新しいモデルである。 ビデオ異常検出のために、SKeletal埋め込みを最小体積の潜在超球面に抽出する。 すべての変種は、最新のUBnormalデータセットで最先端のデータセットを上回っている。
  論文  参考訳（メタデータ） (2023-01-23T15:32:27Z)
• Prototypical Residual Networks for Anomaly Detection and Localization [80.5730594002466]
  本稿では,PRN(Prototypeal Residual Network)というフレームワークを提案する。 PRNは、異常領域の分割マップを正確に再構築するために、異常領域と正常パターンの間の様々なスケールとサイズの特徴的残差を学習する。 異常を拡大・多様化するために,見かけの相違と外観の相違を考慮に入れた様々な異常発生戦略を提示する。
  論文  参考訳（メタデータ） (2022-12-05T05:03:46Z)

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。