論文の概要: Unsupervised Domain Adaptation for Enhanced Radiometer Image Precipitation Estimation using Conditional Flow Matching

• arxiv url: http://arxiv.org/abs/2610.01890v1
• Date: Thu, 01 Oct 2026 15:40:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.230677
• Title: Unsupervised Domain Adaptation for Enhanced Radiometer Image Precipitation Estimation using Conditional Flow Matching
• Title（参考訳）: 条件付きフローマッチングを用いた放射計画像降水量推定のための教師なし領域適応
• Abstract要約: 本稿では,衛星ラジオメータ画像の教師なし領域適応のためのフローマッチングモデルの可能性について検討する。 我々の主な貢献は、フローマッチングモデルにおける決定論的常微分方程式の一部を活用することによって、正確な領域アライメントを実現する新しい教師なし手法である。 GPM-Coreコンステレーションで行った実験は、条件領域適応の利点、特に放射計画像による降雨量推定の改善を示す。
• 参考スコア（独自算出の注目度）: 1.1852769462463209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep generative networks have recently achieved unprecedented performance in precise image and video editing using sophisticated textual prompts. However, the effectiveness of such models heavily depends on access to very large supervised and annotated image datasets, which can be very difficult to obtain. This is particularly true for satellite instruments, which very rarely overlap with labelled data, and suffer from domain shifts in the rare occasions they do. In this paper, we investigate the potential of flow matching models for unsupervised domain adaptation of satellite radiometer images. Our main contribution is a novel unsupervised method that achieves precise domain alignment by leveraging parts of the deterministic ordinary differential equations in flow matching models, conditioned on different satellite instruments. A key strength of our approach is its ability to preserve essential information while adapting across any domains since the perturbations are in theory bijective. Extensive experiments conducted on the GPM-Core constellation show the benefit of our conditional domain adaptation, particularly in improving rain precipitation estimation from radiometer imagery.
• Abstract（参考訳）: 深層生成ネットワークは、最近、洗練されたテキストプロンプトを用いた精度の高い画像編集とビデオ編集において、前例のない性能を達成した。 しかし、そのようなモデルの有効性は、非常に大きな教師付きおよび注釈付き画像データセットへのアクセスに大きく依存しており、取得は非常に困難である。 これは、ラベル付きデータと非常に稀に重複し、まれにドメインシフトに悩まされる衛星機器に特に当てはまる。 本稿では,衛星ラジオメータ画像の教師なし領域適応のためのフローマッチングモデルの可能性について検討する。 我々の主な貢献は、異なる衛星機器に条件付けされたフローマッチングモデルにおける決定論的常微分方程式の一部を活用することによって、正確な領域アライメントを実現する新しい教師なし手法である。 我々のアプローチの重要な強みは、摂動は理論上は単射であるため、あらゆる領域に適応しながら本質的な情報を保持する能力である。 GPM-Core星座で行った大規模な実験は、条件領域適応の利点を示し、特に放射計画像による降雨量推定の改善に寄与した。

関連論文リスト

• DisDop: Distillation with Domain Priors for Open-Vocabulary Aerial Object Detection [75.11656789221072]
  リモートセンシング基礎モデルからマルチレベルドメインを抽出する統合フレームワークであるDisDopを提案する。 DisDopは、オープンボキャブラリ空中検出ベンチマーク上で、最先端のパフォーマンスを新たに実現している。
  論文  参考訳（メタデータ） (2026-05-23T16:01:20Z)
• FlowEO: Generative Unsupervised Domain Adaptation for Earth Observation [8.162386935076237]
  FlowEOは、地球観測における画像空間UDAの生成モデルを活用する新しいフレームワークである。 我々は,SARから光翻訳への適応シナリオと自然災害による時間的・意味的な変化をカバーした4つのデータセットを対象とした実験を行った。 以上の結果から,FlowEOは領域適応のための既存の画像翻訳手法より優れており,より優れた知覚的画像品質を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-12-01T10:29:01Z)
• Foundation Visual Encoders Are Secretly Few-Shot Anomaly Detectors [58.75916798814376]
  FoundADと呼ばれる数発の異常検出装置を開発した。 画像中の異常量は学習した埋め込みの差と直接相関する。 簡単な演算子は、画像中の分布外領域を特徴付け識別する異常検出の有効なツールとして機能する。
  論文  参考訳（メタデータ） (2025-10-02T11:53:20Z)
• Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
  異常検出は産業アプリケーションの品質管理において重要な役割を担っている。 既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。 提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
  論文  参考訳（メタデータ） (2025-03-19T05:25:52Z)
• Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
  逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-12-28T14:23:58Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
  我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。 我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
  論文  参考訳（メタデータ） (2024-03-25T10:30:22Z)
• Self-supervised Domain-agnostic Domain Adaptation for Satellite Images [18.151134198549574]
  このようなドメイン定義なしでドメイン適応を行うための自己教師付きドメイン非依存ドメイン適応(SS(DA)2)手法を提案する。 まず,2つの衛星画像パッチ間で画像と画像の変換を行うために,生成ネットワークのトレーニングを行う。 そして、異なる試験スペクトル特性でトレーニングデータを増強することにより、下流モデルの一般化性を向上させる。
  論文  参考訳（メタデータ） (2023-09-20T07:37:23Z)
• Evaluating the Label Efficiency of Contrastive Self-Supervised Learning for Multi-Resolution Satellite Imagery [0.0]
  遠隔センシング領域における自己教師付き学習は、容易に利用可能なラベル付きデータを活用するために応用されている。 本稿では,ラベル効率のレンズを用いた自己教師型視覚表現学習について検討する。
  論文  参考訳（メタデータ） (2022-10-13T06:54:13Z)
• Randomized Histogram Matching: A Simple Augmentation for Unsupervised Domain Adaptation in Overhead Imagery [3.187381965457262]
  ランダム化ヒストグラムマッチング(RHM)と呼ばれる高速リアルタイム非教師付きトレーニング増強手法を提案する。 RHMは、最先端の教師なしドメイン適応アプローチと比較して、一貫して類似または優れた性能が得られる。 RHMはまた、オーバーヘッド画像に広く使われている他の可分に単純なアプローチよりも大幅に優れたパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2021-04-28T21:59:54Z)

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。