論文の概要: Evaluating Zone-Guided Front Extraction for Glacier Calving-Front Delineation in SAR Imagery

• arxiv url: http://arxiv.org/abs/2610.04066v1
• Date: Fri, 02 Oct 2026 21:18:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 20:34:47.673525
• Title: Evaluating Zone-Guided Front Extraction for Glacier Calving-Front Delineation in SAR Imagery
• Title（参考訳）: SAR画像における氷河硬化フラント線抽出のためのゾーン誘導フロント抽出の評価
• Abstract要約: CaFFeデータセットは、バイナリカルビングフロントマスクとより広範なセマンティックゾーンマスクを提供する。 直接フロント予測とゾーン誘導フロント抽出を比較した。 その結果,ゾーンラベルには有用なフロントバウンダリ情報が含まれていることがわかった。
• 参考スコア（独自算出の注目度）: 0.4640835690336653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic calving-front delineation from synthetic aperture radar imagery is challenging because the front is a thin and often ambiguous boundary between glacier ice, ocean, and surrounding rock or terrain. The CAlving Fronts and where to Find thEm (CaFFe) dataset provides both binary calving-front masks and broader semantic zone masks, making it possible to study whether zone-level supervision can support front recovery. In this paper, we compare direct front prediction with zone-guided front extraction using U-Net, DeepLabV3+, and SegFormer-B0 under the same bounding-box-cropped CaFFe setting. In the direct setting, models predict the binary calving-front mask. In the zone-guided setting, the model first predicts four semantic zone classes, and the front is then extracted from the predicted glacier-ocean boundary. We evaluate both zone-level and front-level performance, include a ground-truth-zone boundary check, and examine lightweight test-time adaptation on sensor-specific and glacier-specific subsets. The results show that zone labels contain useful front-boundary information: extracting the front from ground-truth zones gives the lowest mean distance error. However, fronts extracted from model-predicted zones remain weak, even when zone segmentation scores are moderate. Test-time adaptation also does not consistently improve zone-guided front recovery. These results indicate that zone segmentation performance should not be treated as a substitute for front-level evaluation and that effective use of zone labels may require boundary-aware training, label fusion, or explicit front supervision.
• Abstract（参考訳）: 合成開口レーダ画像から自動的に計算するデラインは、前面が氷河氷、海、周囲の岩や地形の間の細くあいまいな境界になっているため、困難である。 CAlving FrontsとFind thEm(CaFFe)データセットは、バイナリカルビングフロントマスクとより広いセマンティックゾーンマスクの両方を提供する。 本稿では,U-Net,DeepLabV3+,SegFormer-B0を用いたゾーン誘導フロント抽出と直接フロント予測を比較する。 直接設定では、モデルが二元計算フロントマスクを予測します。 ゾーン誘導設定では、まず4つのセマンティックゾーンのクラスを予測し、その前部は予測された氷河-海洋境界から抽出される。 地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中 その結果, ゾーンラベルには, 地上から正面を抽出することで, 平均距離誤差が最小となる, 有用なフロント境界情報が含まれていることがわかった。 しかし, ゾーン分割スコアが中等度であっても, モデル予測ゾーンから抽出したフロントは弱いままである。 テストタイムの適応も、ゾーン誘導フロントリカバリを継続的に改善するものではない。 これらの結果は,ゾーンセグメンテーション性能をフロントレベル評価の代用として扱うべきではないこと,ゾーンラベルの有効活用には境界対応トレーニング,ラベル融合,明示的なフロント監視が必要であることを示唆している。

関連論文リスト

• DERA: Detached Edge-Residual Adaptation for Prohibited item Detection [38.57933967151239]
  X線画像における禁止イテム検出は、物体の重ね合わせ、弱いテクスチャ、物質的乱れによって依然として困難である。 X線画像におけるアイテム検出の禁止を目的としたtextbfDetached textbfEdge-textbfResidual textbfAdaptation フレームワーク textbfDERA を提案する。
  論文  参考訳（メタデータ） (2026-09-11T04:03:03Z)
• Weakly Supervised Polar Low Segmentation in Sentinel-1 SAR Imagery [19.116847623970212]
  極低気圧は、高緯度で急速に形成される激しい海洋性サイクロンである。 ディープラーニングは、SAR(Synthetic Aperture Radar)イメージでそれらを検出することができる。 訓練用にピクセルレベルのマスクは使用できず、極低度は本質的に主観的である。 我々は,画像レベルのラベルからのみマスクを生成するために,ソフトターゲットを用いた制約付き領域消去(CREST)を提案する。
  論文  参考訳（メタデータ） (2026-08-14T15:05:23Z)
• Prompting Diffusion Models for Zero-Shot Instance Segmentation [74.37083707535778]
  本稿では拡散型セグメンテーションのための空間条件付きフレームワークPrompt2Segを提案する。 提案手法は2次元ガウスあるいは信頼マップとして表現された空間的プロンプトを明示的な入力信号として用い,ユーザ意図に直接応答するようにモデルを訓練する。 我々は,標準的なベンチマークから,絵画,エゴ中心ビュー,X線データなど,より困難な領域まで,7つのデータセットを評価した。
  論文  参考訳（メタデータ） (2026-06-21T20:30:41Z)
• CFPNet: Improving Lightweight ToF Depth Completion via Cross-zone Feature Propagation [11.186943327904729]
  軽量飛行時間(ToF)深度センサーは低コストのため魅力的だ。 従来の手法では、ゾーン領域から外部ゾーン領域への深度特性を効果的に伝播することができなかった。 本稿では,ゾーン領域から外部領域へのクロスゾーン特徴伝搬を実現するためのCFPNetを提案する。
  論文  参考訳（メタデータ） (2024-11-07T07:19:28Z)
• Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
  物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。 本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。 初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
  論文  参考訳（メタデータ） (2023-10-20T01:44:49Z)
• Active Boundary Loss for Semantic Segmentation [58.72057610093194]
  本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。 エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。 実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
  論文  参考訳（メタデータ） (2021-02-04T15:47:54Z)
• Think about boundary: Fusing multi-level boundary information for landmark heatmap regression [51.48533538153833]
  顔の境界とランドマークの関係を探索するための2段階のエンドツーエンドアプローチについて検討する。 境界対応ランドマーク予測は,自己校正境界推定(SCBE)モジュールと境界対応ランドマーク変換(BALT)モジュールの2つのモジュールで構成される。 我々の手法は文学における最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-08-25T10:14:13Z)
• Complete & Label: A Domain Adaptation Approach to Semantic Segmentation of LiDAR Point Clouds [49.47017280475232]
  3次元点雲のセマンティックラベリングにおける教師なし領域適応問題について検討する。 セグメンテーションネットワークに渡す前に、基盤となる表面を復元するためにComplete と Label のアプローチを採用する。 回収された3D表面は標準領域として機能し、そこからセマンティックラベルが異なるLiDARセンサー間で転送される。
  論文  参考訳（メタデータ） (2020-07-16T17:42:05Z)
• DeepStrip: High Resolution Boundary Refinement [60.00241966809684]
  関心領域をストリップ画像に変換し、ストリップ領域の境界予測を計算することを提案する。 対象境界を検出するために,2つの予測層を持つフレームワークを提案する。 我々は、誤報を減らすために、整合性とC0連続性正規化をネットワークに強制する。
  論文  参考訳（メタデータ） (2020-03-25T22:44:48Z)

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。