論文の概要: Embedded Bi-Temporal Building Damage Assessment for On-Board Data Reduction

• arxiv url: http://arxiv.org/abs/2609.37013v2
• Date: Fri, 02 Oct 2026 09:56:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:29.947001
• Title: Embedded Bi-Temporal Building Damage Assessment for On-Board Data Reduction
• Title（参考訳）: オンボードデータ削減のための埋込み型2層建物損傷評価
• Abstract要約: 自然災害後の建物被害の迅速評価は緊急対応に不可欠である。 エクスプロイトは、アップリンクとダウンリンク容量と、地上処理のレイテンシによって制限される。 本研究は,YOLOX 由来のシアメーゼ検出器上に構築した2 時間建物損傷評価パイプラインを用いて,この問題に対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid assessment of building damage after natural disasters is essential to support emergency response. Earth Observation satellites can acquire relevant imagery shortly after an event, but exploitation is limited by uplink and downlink capacity and by ground-processing latency. We address this with a bi-temporal building damage assessment pipeline built on a siamese detector derived from YOLOX, designed to compress information at both ends of the ground/space link. On the ground, pre-disaster reference images are encoded into a compact latent space -- compressed by up to a factor of 64 -- and uplinked to the satellite. On board, this reference is compared with a fresh post-disaster acquisition so that the downlink carries only actionable object-level products, bounding boxes and damage classes, instead of full scenes. This cuts the data exchanged in both directions, while on xBD the strongly compressed reference still preserves most of the detection performance. Because on-board acquisitions suffer from residual pre/post co-registration errors, we introduce a latent-space shift estimation and correction module that regresses the global offset from the coarse feature level and realigns the post-disaster features before fusion. It substantially improves robustness to de-registration -- especially under large shifts, where fusion-only variants collapse -- while also raising nominal accuracy and remaining compatible with the strongest compression. We finally port the pipeline to two embedded targets, a Xilinx Versal VCK190 and an NVIDIA Jetson AGX Orin, and report hardware performance (latency, throughput, power efficiency). The core detector and its compression port cleanly to both, but the operators needed for long-range robustness survive only on the Jetson GPU, whereas the Versal DPU does not.
• Abstract（参考訳）: 自然災害後の建物被害の迅速評価は緊急対応に不可欠である。 地球観測衛星はイベントの直後に関連画像を取得することができるが、アップリンクとダウンリンク容量と地上処理の遅延によって利用が制限される。 地上/空間リンクの両端で情報を圧縮するように設計された,YOLOXから派生したシアメーゼ検出器上に構築したバイテンポラルビルの損傷評価パイプラインを用いて,この問題に対処する。 地上では、災害前の参照画像はコンパクトな潜伏空間に符号化され、64倍まで圧縮され、衛星にアップリンクされる。 この基準は、ダウンリンクがフルシーンではなく、アクション可能なオブジェクトレベルの製品、バウンディングボックス、損傷クラスのみを運ぶために、ディスアスター後の新たな買収と比較される。 これにより、両方の方向で交換されたデータを削減できるが、xBDでは、強い圧縮された参照が検出性能の大部分を保っている。 オンボードでの買収は、残差前/ポストの共存エラーに悩まされるため、我々は、粗い特徴レベルからグローバルオフセットを回帰し、融合前のポストディザスター特徴を認識できる潜時空間シフト推定と修正モジュールを導入する。 特に核融合のみの変種が崩壊する大きなシフトの下では、非登録化に対するロバスト性を大幅に向上すると同時に、名目上の精度を高め、最強の圧縮と互換性を維持している。 Xilinx Versal VCK190とNVIDIA Jetson AGX Orinの2つの組込みターゲットにパイプラインを移植し、ハードウェアパフォーマンス(レイテンシ、スループット、電力効率)を報告しました。 コア検出器と圧縮ポートはどちらもクリーンに動作しているが、長距離ロバスト性を必要とするオペレータはJetson GPUでしか動作しないが、Versal DPUでは動作しない。

関連論文リスト

• ReLATE: Reliability-Guided Evidence Fusion for Robust UAV--Satellite cross-view Geo-Localization [7.939478984686487]
  無人航空機 (UAV) 衛星画像とUAV画像が一致している。 実際の飛行では、UAV観測は悪天候、照明の変化、プラットフォームの動き、センサーノイズ、圧縮によって頻繁に影響を受ける。 UAVSat-Degは, 劣化したUAV衛星のジオローカライゼーションのための大規模ロバスト性ベンチマークである。
  論文  参考訳（メタデータ） (2026-07-28T10:07:18Z)
• Optimizing Latent Representations for Robust Building Damage Assessment Onboard Earth Observation Satellites [0.0]
  本稿では,衛星上での物体レベルの建物損傷評価(局所化と損傷分類)を可能にするAIベースのシステムを提案する。 利用可能なプレディザスター画像は地上でコンパクトな遅延表現に符号化され、衛星に送信され、新たに取得されたポストディザスターの観測と比較される。 本研究では,シム処理,クロスアテンション,ラテント空間圧縮,ロバストネス指向データ拡張の影響を解析し,車載互換性のある変種を体系的にベンチマークすることで,設計空間を探索する。
  論文  参考訳（メタデータ） (2026-05-28T08:21:14Z)
• High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
  スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。 固定復号器用の潜時空間スピングラス辞書を定式化する。 トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-05-23T06:17:23Z)
• HiT: History-Injection Transformers for Onboard Continuous Flood Change Detection [1.1666234644810893]
  小型衛星のメモリと計算限界内で動作するオンボード切替検出システムを開発した。 本研究では,過去の観測から歴史的文脈を維持するトランスフォーマーモデル (HiT) のヒストリインジェクション機構を提案する。 提案されたHiT-Prithviモデルは、ナノサットで使用される代表的ハードウェアであるJetson Orin Nano上で43FPSを達成した。
  論文  参考訳（メタデータ） (2026-01-20T09:05:43Z)
• Efficient On-Board Processing of Oblique UAV Video for Rapid Flood Extent Mapping [7.460695517551536]
  TTR(Temporal Token Reuse)は、組み込みデバイス上でビデオセグメンテーションを高速化する適応型推論フレームワークである。 我々は,TTRがセグメンテーション精度(0.5% mIoU)の劣化を無視して,推論遅延の30%低減を実現していることを示す。 これらの結果から,TTRは運用フロンティアを効果的にシフトさせ,高忠実でリアルタイムな斜めビデオ理解を可能にすることが確認された。
  論文  参考訳（メタデータ） (2026-01-16T13:41:56Z)
• RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
  本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。 提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-23T15:41:40Z)
• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。 我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:52:13Z)
• Power Battery Detection [91.99787495748218]
  電力電池は、内部構造欠陥が深刻な安全リスクを生じさせる電気自動車において必須の部品である。 我々は,X線画像から陰極および陽極板の密集端を局所化し,品質検査を行うことを目的として,電力電池検出(PBD)に関する総合的研究を行った。 PBD5Kは,9種類のバッテリタイプから5,000枚のX線画像と8種類の実世界の視覚的干渉を含む,このタスクのための最初の大規模ベンチマークである。
  論文  参考訳（メタデータ） (2025-08-11T09:35:25Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。