論文の概要: T-JEPA: A Temporal Joint-Embedding Predictive Architecture for Learning Better Remote Sensing Representations

• arxiv url: http://arxiv.org/abs/2610.05731v1
• Date: Mon, 05 Oct 2026 03:31:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:47:31.280449
• Title: T-JEPA: A Temporal Joint-Embedding Predictive Architecture for Learning Better Remote Sensing Representations
• Title（参考訳）: T-JEPA: より優れたリモートセンシング表現学習のための時間的結合埋め込み予測アーキテクチャ
• Abstract要約: 本稿では,時間ギャップ条件付き潜時遷移を学習する時間的共同埋め込み予測アーキテクチャT-JEPAを提案する。 複数の時間間隔にわたって、これらの予測的制約は観測された状態を構造化された潜在軌道に整理する。 一致した事前トレーニングデータとスループットの下で、T-JEPAは静的タスクと時間的タスクの両方で転送パフォーマンスをリードする。
• 参考スコア（独自算出の注目度）: 32.138976346875445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earth observation (EO) data provide rich temporal supervision, yet existing remote sensing foundation models mainly exploit sequential observations through imposing predefined pairwise relations or aggregating holistic reconstruction context. We seek to further exploit the sparse and nonuniform temporal sampling inherent in EO sequences as supervisory signals. To this end, we propose T-JEPA, a temporal joint-embedding predictive architecture that learns time-gap-conditioned latent transitions. A shared single-frame encoder processes each observation, while a temporal predictor estimates the complete target latent field from a masked source latent representation and the actual elapsed time. Across multiple temporal intervals, these predictive constraints organize observed states into structured latent trajectories. Asymmetric metadata injection mitigates shortcut learning, and direct supervision across multiple temporal scales proves more effective than recursively rolling out intermediate states. In parallel, masked pixel reconstruction provides complementary supervision for preserving spatial details. Under matched pre-training data and throughput, T-JEPA achieves leading transfer performance on both static and temporal tasks. Analyses further reveal that T-JEPA learns representations with time-gap-dependent transition predictability and coherent latent dynamics, while maintaining strong cross-period consistency, representation diversity, and semantic discriminability.
• Abstract（参考訳）: 地球観測データ(EO)は、豊富な時間的監視を提供するが、既存のリモートセンシング基盤モデルは、事前に定義されたペアワイズ関係を付与したり、全体的再構築コンテキストを集約することによって、シーケンシャルな観測を主に活用する。 我々は、EO配列に固有のスパースおよび非一様時間サンプリングを監視信号としてさらに活用することを模索する。 この目的のために,時間ギャップ条件付き潜時遷移を学習する時間的共同埋め込み予測アーキテクチャT-JEPAを提案する。 共有シングルフレームエンコーダは、各観測を処理し、時間予測器は、マスクされたソース潜時表現と実際の経過時間とから、完全な目標潜時フィールドを推定する。 複数の時間間隔にわたって、これらの予測的制約は観測された状態を構造化された潜在軌道に整理する。 非対称なメタデータ注入はショートカット学習を緩和し、複数の時間スケールでの直接監督は、再帰的に中間状態をロールアウトするよりも効果的である。 平行して、マスクされたピクセル再構成は、空間的詳細を保存するための補完的な監督を提供する。 一致した事前トレーニングデータとスループットの下で、T-JEPAは静的タスクと時間的タスクの両方で転送パフォーマンスをリードする。 分析により、T-JEPAは時間ギャップ依存の遷移予測可能性とコヒーレント潜時ダイナミクスで表現を学習し、強い周期的整合性、表現の多様性、意味的差別性を維持していることが明らかになった。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Global-Scale Self-Supervised Spatiotemporal Learning for NDVI Time-Series Reconstruction [9.201150739299447]
  NDVI再構成のためのグローバルな自己監督型時空間フレームワークを提案する。 このフレームワークは、人工的に比較的クリーンな観測によって監視信号を構成する。 提案手法は, 植生の動態を正確に把握し, キーフェノロジー状態の把握を可能にする。
  論文  参考訳（メタデータ） (2026-08-03T14:46:25Z)
• From Prompts to Pavement Through Time: Temporal Grounding in Agentic Scene-to-Plan Reasoning [1.2777067998526854]
  本研究は, エージェント間コミュニケーションにおける時間的条件付けが, 意味的・論理的一貫性の低下を伴わずにコヒーレンスを維持・強化できるかどうかを考察する。 その結果,時間的条件付けは推論スタイルに反するが,標準NLPに基づく正当性測定では統計的に有意な改善は得られなかった。 これらの結果から,プロンプトベースの時間的接地限界を明らかにし,時間的シーンから計画的推論のための最初の経験的基準を確立した。
  論文  参考訳（メタデータ） (2026-05-19T13:18:35Z)
• EIDOS: Latent-Space Predictive Learning for Time Series Foundation Models [37.917978019436674]
  EIDOSは、将来の価値予測から潜在空間予測学習に移行する基礎モデルファミリーである。 我々は、潜伏表現の進化を予測するために因果変換器を訓練し、構造化および時間的に整合した潜伏状態の出現を促す。
  論文  参考訳（メタデータ） (2026-02-15T07:07:20Z)
• Agentic Spatio-Temporal Grounding via Collaborative Reasoning [80.83158605034465]
  時間的ビデオグラウンド(Temporal Video Grounding)は、テキストクエリが与えられたビデオ内の対象物または人の時間的チューブを検索することを目的としている。 本稿では,STVGの課題に対して,オープンワールドおよびトレーニングフリーシナリオに向けたエージェント時空間グラウンド(ASTG)フレームワークを提案する。 具体的には、現代多言語モデル(MLLM)を活用した2つの特殊エージェントSRA(Spatial Reasoning Agent)とTRA(Temporal Reasoning Agent)である。 人気のあるベンチマークの実験は、既存の弱教師付きおよびゼロショットアプローチをマージンで上回る提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2026-02-10T10:16:27Z)
• From Observations to States: Latent Time Series Forecasting [65.98504021691666]
  本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。 具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。 提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
  論文  参考訳（メタデータ） (2026-01-30T20:39:44Z)
• Topology-Aware Conformal Prediction for Stream Networks [68.02503121089633]
  本研究では,ネットワークトポロジと時間的ダイナミクスを共形予測フレームワークに統合した新しいフレームワークであるspatio-Temporal Adaptive Conformal Inference (textttCISTA)を提案する。 この結果から,TextttCISTAは予測効率とカバレッジのバランスを効果的に保ち,既存のストリームネットワークの共形予測手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-03-06T21:21:15Z)
• Triplet Attention Transformer for Spatiotemporal Predictive Learning [9.059462850026216]
  本稿では,フレーム間動的特徴とフレーム内静的特徴の両方を捉えるために,革新的な三重項注意変換器を提案する。 このモデルはトリプレット・アテンション・モジュール(TAM)を組み込んだもので、時間、空間、チャネル次元における自己アテンションのメカニズムを探求することで、従来のリカレント・ユニットを置き換える。
  論文  参考訳（メタデータ） (2023-10-28T12:49:33Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。