論文の概要: MarsRecon: Self-Supervised and Multimodal Surface Representations for Mars
- arxiv url: http://arxiv.org/abs/2609.22379v1
- Date: Thu, 17 Sep 2026 21:45:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.363213
- Title: MarsRecon: Self-Supervised and Multimodal Surface Representations for Mars
- Title（参考訳）: MarsRecon: 自己監督型でマルチモーダルな火星表面表現
- Abstract要約: We present MarsRecon, a pipeline for learn visual and multimodal representations from HiRISE observed of Olympus Mons。
このパイプラインはNASAのプラネタリー・データ・システム(Planetary Data System)の製品を校正し、有効なジオリファレンス・パッチを抽出し、ラベルのない画像でマスク付きオートエンコーダを訓練する。
現在の最強のローカルプライマリモデルは、0.3787のイメージ・トゥ・テキスト・リコール@10、0.9161のテキスト・ツー・イメージ・リコール@10、ホールドアウトテストのスプリットで0.4350のローカル・トゥ・グロバル・リコール@10を達成する。
- 参考スコア（独自算出の注目度）: 0.9653976364051564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-resolution orbital imagery offers a rich record of the Martian surface, but sparse geological labels limit supervised representation learning. We present MarsRecon, a geospatially aware pipeline for learning visual and multimodal representations from HiRISE observations of Olympus Mons. The pipeline calibrates NASA Planetary Data System products, extracts valid georeferenced patches, and trains a masked autoencoder on unlabeled imagery. Increasing input resolution and filtering invalid tokens reduced held-out reconstruction loss from 0.1751 to 0.1342 in the principal Stage A model series. We then freeze the visual encoder and align its features with observation text, coordinates, and local--global image context. The strongest current local-primary model achieves image-to-text recall@10 of 0.3787, text-to-image recall@10 of 0.9161, and local-to-global recall@10 of 0.4350 on the held-out test split. These results establish a working Mars-specific pretraining and retrieval pipeline; further crop-overlap controls and downstream geological evaluations are needed to assess the broader utility of its embeddings.
- Abstract（参考訳）: 高解像度の軌道画像は火星表面の豊富な記録を提供するが、希少な地質学的ラベルは教師付き表現学習を制限する。
We present MarsRecon, a geospatially aware pipeline for learn visual and multimodal representations from HiRISE observed of Olympus Mons。
このパイプラインはNASAのプラネタリー・データ・システム(Planetary Data System)の製品を校正し、有効なジオリファレンス・パッチを抽出し、ラベルのない画像でマスク付きオートエンコーダを訓練する。
入力解像度の増大と不正トークンのフィルタリングにより、プライマリステージAモデルシリーズにおけるホールドアウト再構成損失は0.1751から0.1342に減少した。
次に、視覚エンコーダを凍結し、その特徴を観察テキスト、座標、ローカル-グローバル画像コンテキストと整合させる。
現在の最強のローカルプライマリモデルは、0.3787のイメージ・ツー・テキスト・リコール@10、0.9161のテキスト・ツー・イメージ・リコール@10、ホールドアウトテストスプリットで0.4350のローカル・トゥ・グロバル・リコール@10を達成する。
これらの結果は、火星固有の事前訓練と探索パイプラインを確立し、さらに作物のオーバーラップ制御と下流の地質学的評価が、その埋め込みのより広範な有用性を評価するために必要である。
関連論文リスト
- MARTIAN: A Rendering Framework for Aerial Mars Imagery from HiRISE Orbital Data [1.929589089941562]
MARTIANはオープンソースのレンダリングフレームワークで、制御可能な照明条件下で火星の地形のリアルな空中ビューを合成する。
MARTIANは、Ingenuityと将来の火星ロータークラフトのための地図ベースのローカライゼーションシステムの開発を通じて検証されている。
論文 参考訳（メタデータ） (2026-05-28T09:12:57Z) - MarsRetrieval: Benchmarking Vision-Language Models for Planetary-Scale Geospatial Retrieval on Mars [21.01507072531742]
火星の地理空間探索のための視覚言語モデルを評価するためのベンチマークであるMarsRetrievalを紹介する。
マルチモーダル埋め込みアーキテクチャをベンチマークするための統合検索中心プロトコルを提案する。
我々の評価では、MarsRetrievalは困難であり、強力な基礎モデルでさえしばしばドメイン固有の地形的区別を捉えない。
論文 参考訳（メタデータ） (2026-02-15T02:41:56Z) - REMAC: Reference-Based Martian Asymmetrical Image Compression [53.55260610604231]
本稿では、エンコーダからリソースリッチデコーダへ計算複雑性をシフトさせる参照ベースの火星非対称画像圧縮(REMAC)手法を提案する。
実験の結果,REMACは最先端の手法に比べてエンコーダの複雑さを43.51%削減し,BD-PSNRの0.2664dBを達成した。
論文 参考訳（メタデータ） (2026-01-26T14:55:17Z) - Inpainting the Red Planet: Diffusion Models for the Reconstruction of Martian Environments in Virtual Reality [0.0]
訓練は、NASAのHiRISE調査から得られた12000個の火星高度マップで実施された。
非均一な再スケーリング戦略は、固定された128x128モデル解像度にリサイズする前に、複数のスケールにわたる地形の特徴をキャプチャする。
その結果,本手法は再建精度(RMSEでは4～15%)と知覚的類似性(LPIPSでは29～81%)において,元のデータより一貫して優れていた。
論文 参考訳（メタデータ） (2025-10-16T15:02:05Z) - Mapping "Brain Terrain" Regions on Mars using Deep Learning [0.0]
臨界領域のセットは、火星の斜視の周期的な変化に反応して、比較的最近に氷が噴出するサイクルを見た可能性がある。
本研究では、畳み込みニューラルネットワークを用いて「ブラインコーラル」地形を含む表面領域を検出する。
火星探査機マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の大型画像(100-1000メガピクセル)を使って、これらの地形を1ピクセルあたり数十センチ近い解像度で探索する。
論文 参考訳（メタデータ） (2023-11-21T02:24:52Z) - On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳（メタデータ） (2023-08-01T09:14:20Z) - MaRF: Representing Mars as Neural Radiance Fields [1.4680035572775534]
MARFは火星の環境を合成するためのフレームワークで、ローバーカメラの画像を何枚か集めている。
惑星地質学、シミュレートされた航法、形状解析などの惑星表面探査における重要な課題に対処する。
実験では,キュリオシティ・ローバー,パーセヴァンス・ローバー,インジェニティ・ヘリコプターによって捕獲された火星の実際のデータセットから生成された環境を実証した。
論文 参考訳（メタデータ） (2022-12-03T18:58:00Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-12T12:52:20Z) - Rover Relocalization for Mars Sample Return by Virtual Template
Synthesis and Matching [48.0956967976633]
我々は、概念火星サンプルリターンキャンペーンの文脈におけるローバー再局在化の問題を検討する。
このキャンペーンでは、ローバー(R1)は、約50 x 50 mの領域内を自律的にナビゲートおよびローカライズできる必要があります。
本研究では,相対的に不規則な地形に対してロバスト性を示す視覚ローカライザーを提案する。
論文 参考訳（メタデータ） (2021-03-05T00:18:33Z) - Latent World Models For Intrinsically Motivated Exploration [140.21871701134626]
画像に基づく観察のための自己教師付き表現学習法を提案する。
我々は、部分的に観測可能な環境の探索を導くために、エピソードおよび寿命の不確実性を考慮する。
論文 参考訳（メタデータ） (2020-10-05T19:47:04Z) - Towards Image-based Automatic Meter Reading in Unconstrained Scenarios:
A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。
我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。
信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文 参考訳（メタデータ） (2020-09-21T21:21:23Z)
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。